caracterización e influencia de los factores de producción ... · caracterización e influencia...
TRANSCRIPT
Caracterización e influencia de los factores de producción en el cebo de cerdos en condiciones comerciales
MEMORIA PRESENTADA POR: PIERO DA SILVA AGOSTINI
BAJO LA DIRECCIÓN DE LOS DOCTORES: JOSEP GASA Y CARLOS DE BLAS
PARA ACCEDER AL GRADO DE DOCTOR DENTRO EL PROGRAMA DE
DOCTORADO DE PRODUCCIÓN ANIMAL DEL DEPARTAMENT DE CIENCIA
ANIMAL I DELS ALIMENTS
BELLATERRA, ENERO DE 2013
2
Josep Gasa Gasó, catedrático del departament de Ciencia Animal i dels Aliments de la
Facultat de Veterinària de la Universitat Autònoma de Barcelona y Carlos de Blas
Beorlegui, catedrático del departamento de Producción Animal de la Escuela Tecnica
Superior de Ingenieros Agrónomos de la Universidad Politécnica de Madrid,
Certifican:
Que la memoria titulada “Caracterización e influencia de los factores de producción en el cebo de cerdos en condiciones comerciales”, presentada por Piero da Silva Agostini para optar al grado de Doctor en Veterinaria, ha sido realizada bajo su dirección y, considerandola finalizada, autorizan su presentación para que sea juzgada por la comisión correspondiente.
Y para que conste a los efectos oportunos, firman la presente en Bellaterra, 08 de enero de
2013.
Dr. Josep Gasa Gasó
Dr. Carlos de Blas
4
El autor recibió una subvención de la Agencia Española de Cooperación Internacional para
el Desarrollo del Ministerio de Asuntos Exteriores y de Cooperación para este estudio.
DEDICADA A MIS PADRES CLAUDIR Y NERI Y A
MIS HERMANOS ERNY Y JULIANA
6
AGRADECIMIENTOS
Me gustaría agradecer a todos que estuvieron conmigo en estos años, y que de alguna forma
fueron responsables por la realización de este sueño.
Primeramente me gustaría agradecer a Dios por todo lo que me está proporcionando
hasta el momento.
Um agradecimento especial à minha bela família que sempre me apoiou, e mesmo
eles estando longe, sempre me deram muitas forças para seguir com meus estudos e
também por sempre me dizerem para eu fazer o que eu pensava que seria o melhor para
mim. Muito obrigado ao meu pai Claudir, minha mãe Neri e aos meus irmãos Erny e
Juliana. Vocês são mais que especiais na minha vida. Amo vocês.
Dedico un especial agradecimiento a mi tutor Josep Gasa (Jefe!) por haberme
proporcionado la oportunidad inicial de trabajar en el SNiBA y luego en poder desarrollar
el doctorado bajo su supervisión y también por la confianza en mi depositada y sobre todo
por la amistad y paciencia conmigo durante todos estos años. Agradezco también a que en
estos años siempre me ha dado mucha autonomía para conducir y desarrollar mi tesis
doctoral y por siempre haberme involucrado en la participación de una multitud de
actividades como en clases de porcino, cursos, proyectos, conferencias, redacción de
artículos y que en muchas ocasiones estas no estaban directamente involucrados con la tesis
pero que fueron muy importantes para mi formación académica y profesional. He
aprendido mucho contigo y solo tengo que agradecerte. Muchas gracias JEFE!
8
Não posso deixar de agradecer a um amigo que foi muito importante em todo esse
processo e que sem ele provavelmente não seria possível a minha vinda à Espanha. Muito
obrigado Caio (Propedêutico!) por ter sido meu orientador de mestrado, por ter me ajudado
a vir para a Espanha e principalmente pela amizade nesses últimos 10 anos. Você é um
grande amigo e só tenho a agradecer-te. Conte sempre comigo.
Um agradecimento especial à minha namorada Maura, uma pessoa que sempre
esteve ao meu lado e sempre me apoiou durante todos esses anos na UAB, inclusive nos
momentos em que me suportou quando eu estava azedo, que foram muitos. Você é especial
linda. Te adoro muito!
Agradezco también a mi codirector de tesis Carlos de Blas por siempre estar
dispuesto a ayudarme con la tesis durante estos últimos tres años. Realmente ha sido un
placer tenerte como codirector de esta tesis.
A los grandes amigos que hice en este tiempo de UAB: Alexey (Calne de puelco!),
un amigo más que especial, tuve el placer de compartir despacho con él, salir de fiesta y
cenas, un muchacho que con su forma de ser ha traído mucha alegría para toda la gente del
¨Departamento de Nutrición¨ en los últimos años. Eres nota 10. Cuente siempre conmigo
chaval. Jaime (el Chaval!), un gran amigo, mi compañero oficial de viajes, deportes y
fiestas en estos últimos 4 años de UAB, una persona humilde, sincera, dedicada y muy
eficiente en su trabajo. Muchas gracias por tu amistad chaval. A Rosa (Que pesadez!) y
Gemma (Chavala!), amigas especiales que hice en la UAB, muy sinceras y con un corazón
enorme siempre dispuestas a ayudar a todos sus amigos. A Roger (Jo no entenc aixó!) y
Ramón (Buenuuu!), mis grandes amigos ¨made in Catalonia¨, por los buenos momentos
compartidos de bromas y risas. Olga (Que tal? Tal!), a pesar de no haber utilizado el
laboratorio durante mi tesis, te tengo que agradecer mucho por ser nuestra madre en el
departamento, por haber estado siempre a nuestro lado y sobre todo por la amistad. Sergio
(Colo-Colo), por la amistad y también por ser un muy bueno compañero de despacho en
estos últimos 2 años. David (Daviiiiiiid!), por haber tenido mucha paciencia conmigo luego
que llegué a la UAB y por haber sido un muy buen compañero de trabajo en el Sniba.
Cinta (Cintinha!) y Laia (Qué!), que a pesar de ambas haber llegado relativamente hace
poco tiempo las tengo mucho aprecio como si ya las conociera desde mi llegada hace 4
años. Sandra (ahhhhhhhh!) y Yuliaxis (Yuliaxao!), una pareja nota 10, por la amistad, los
chistes y los buenos momentos compartidos. Alexandra (Collsuri), por haberme acogido
muy bien en Collsuri, por su esfuerzo en ayudarme y por la amistad. Y también a Francesc
(Fa mala cara!), Victor, Elisa (Murciana!), Clara (Clarinha!), Esther (Ostiaaaa!), Sergi
(Maquinao!), Inma (amiga de la Paty!), Andreas (Malacas!), Feliu (te estoy
sobrevalorando!), Sara (Ragazza!), Abel (Bodeguero!), Bladimir (Chaval!) y Sergio
Iraira.
Muchas gracias al amigo y compañero de despacho Edgar (Joder nen!) por
ayudarme en el desarrollo de esta tesis, por los consejos académicos dados durante estos
años y por la enseñanza de estadística.
Um agradecimento mais que especial a duas pessoas especiais: Rafa (Valéu Rafa!) e
Tisci, obrigado pela amizade, pelos bons tempos que passamos juntos quando morávamos
na república em Sabadell, enfim, pela força total que vocês sempre me deram em todos os
momentos. Serei sempre grato a vocês dois. Contem sempre comigo!
10
A dois grandes amigos desde os tempos da graduação e que tive o prazer de morar
com ambos em Sabadell: obrigado Luiza (Pedaaaala!) e Mauro (Maurera!) pela amizade,
pelo tempo que vocês estiveram aqui na UAB, pelo companheirismo, pela paciência em me
aguentar quando eu estava azedo. Foi muito bom ter vocês aqui. Contem sempre comigo!
Agradeço também a um casal que fez com que o meu último ano de doutorado fosse
muito mais agradável. Muito obrigado aos amigos Cleandro (Cleandrao!) e Sol pelos
conselhos, humildade, amizade, churrascos e por me ajudarem e me apoiarem sempre que
necessitei. Vocês são amigos nota 1000.
A todos los profesores de la tercera planta que de alguna forma estuvieron presentes y
me ayudaran con enseñanzas, consejos y sobre todo por la amistad, en especial a los
profesores Francisco Pérez, Susana Martin, Roser Salas, Ana Cris Barroeta, Alfred
Ferret, Mariola y Cecilia.
Muchas gracias también a las secretarias del ¨Departament de Ciència Animal i dels
Aliments¨ por la dedicación en siempre ayudarme con papeleos y tramites y por la
paciencia que tenían conmigo.
Agradezco también a la Fundación Española para el Desarrollo de la Nutrición
Animal (FEDNA) por ayudar en el desarrollo de mi tesis y por la beca ofertada durante los
meses que estuve de estancia en Irlanda.
A la Agencia Española de Cooperación Internacional para el Desarrollo
(AECID) por concederme una beca de estudios de doctorado por un período de tres años.
También al proyecto publico de investigación financiado por el Ministerio de Educación
de España (AGL 2011-29960), en que hice parte y que me ha financiado mi estancia en
España en los últimos 4 meses además de haberme financiado dos viajes a congresos.
I would like to thanks Dr. Alan Fahey and Dr. John O´Doherty for the opportunity
to be in your group at UCD (Ireland) for 3 months and for help me in my PhD and for
having patience with my poor English. I really enjoyed the period I was at the UCD and I
hope we can work together again.
Aos grandes e inesquecíveis amigos da turma Vet Uel 53 Naka, Lú Mimosa, Ale,
Romerson, Luizao, Jake, Bel, Katia, Gustavo, Tonel, Marcelo, Lú Cabrita, Poplitxo,
Neves e Poisé, que apesar do tempo e da distancia sempre estiveram presentes durante o
desenvolvimento desta tese.
Al Servicio de Nutrición y Bienestar Animal (SNiBA) por la oportunidad de
trabajo durante mi primer año en la UAB. He aprendido muchas cosas gracias a este año
que estuve en el SNiBA.
Agradezco a las siguientes empresas: Cincaporc S.A., Cooperativa de Artesa,
Cooperativa Ganadera de Caspe, Copiso Sociedad Cooperativa, Cooperativa de Ivars,
Corporación Agroalimentaria Guissona, Piensos del Segre S.A., Progatecsa y Vall
Companys por la confianza en facilitar los datos de sus granjas para que este proyecto
pudiese ser desarrollado.
Y también a todos los otros amigos que directa o indirectamente estuvieron presentes
en mi vida durante todo este tiempo que estuve en la UAB. Muchas gracias.
12
I
RESUMEN
El objetivo de la presente memoria de tesis doctoral fue conocer, jerarquizar y
cuantificar la importancia relativa que ejercen distintos factores de producción sobre los
índices productivos durante la fase de crecimiento y cebo del cerdo. Para alcanzar estos
objetivos, se propusieron tres estudios (capítulos 5, 6 y 7) que se detallan a continuación.
En el primer estudio se construyó una base de datos referida a las condiciones de
producción y rendimientos productivos de cerdos en crecimiento y engorde en España, con
objeto de obtener información representativa y fiable de la situación del sector. Utilizando
un modelo de encuesta, se recogió información de 764 lotes pertenecientes a 452 granjas
propiedad de nueve empresas españolas (un total de 1.157.212 cerdos). La información
recogida en la encuesta, obtenida entre 2008 y 2010, se dividió en cuatro partes:
información general, instalaciones, alimentación y parámetros productivos. La mayoría de
las granjas estudiadas: eran “sitio 3” o albergaban únicamente cerdos en crecimiento y cebo
(94,7%), producían cerdo ¨industrial¨ (86,7%), engordaban machos enteros y hembras
(59,5%) y utilizaban la raza Pietrain como macho finalizador (70,0%). Las instalaciones
contaban con un control automático de la ventilación (71,2%) y los corrales alojaban entre
13-20 cerdos (87,2%), disponían de 50% del suelo emparrillado (70,0%), comederos de
boca única sin agua incorporada (54,0%) y bebedero tipo chupete (88,7%). El 75,0% de las
granjas utilizaban tres piensos a lo largo de todo el ciclo y los administraban en forma de
pellet (91,0%). El 61,3% de las granjas realizaban tratamientos antibióticos tres veces o
más a lo largo de todo el periodo y solamente el 36,5% obtenían el agua de bebida de la red
II
pública. Las variables continuas estudiadas presentaron los siguientes valores: número
medio de cerdos alojados por lote, 1.515 949 cerdos; peso medio inicial y final, 19,0
2,56 y 108 6,2 kg; duración media del ciclo de crecimiento y cebo, 136 12 días;
porcentaje de saldos, 1,4 1,23%; porcentaje de ocupación de las instalaciones, 99,7
1,36%; consumo medio de pienso por cerdo 244 26,1 kg; ganancia media diaria, 0,657
0,0650 kg; índice de conversión, 2,77 0,178 kg/kg y porcentaje de mortalidad, 4,3
2,64%. Los datos constituyen un reflejo bastante representativo del sector español de
crecimiento y engorde porcino y pueden ayudar a mejorar la eficiencia productiva y
económica de las granjas españolas de porcino de crecimiento y engorde.
El segundo estudio fue diseñado para desarrollar los primeros modelos destinados a
predecir el efecto de algunos parámetros del manejo e instalaciones en el consumo total de
pienso (CTP), índice de conversión (IC) y en la mortalidad (MORT) en cerdos de
crecimiento y cebo. De este modo, con el objeto de reducir la variabilidad en la base de
datos original se planteó uniformizar algunos factores de producción como la genética del
macho finalizador, los géneros de los animales presentes en los lotes y el intervalo de peso
medio inicial y final. En total, 316 lotes en 246 granjas de crecimiento y engorde
pertenecientes a seis empresas integradoras españolas, totalizando 459.148 cerdos oriundos
de machos finalizadores Pietrain fueron utilizados. Los datos fueron colectados a través de
un modelo de encuesta con información de algunas prácticas de manejo (época de
alojamiento de los animales, separación de sexos en los corrales, numero de orígenes de los
cerdos, origen del agua de la granja, pesos medios inicial o final) e instalaciones (tipo de
suelo, tipo de comedero, tipo de control de la ventilación o numero de cerdos alojados por
III
lote) durante 2008 y 2009. Los resultados indicaron que lotes de cerdos alojados entre
octubre y marzo tuvieron mayor CTP, IC y MORT que aquellos alojados entre abril y
septiembre (P < 0,01); lotes que hacían la separación de sexos en los corrales presentaron
menor CTP y mejor IC que aquellos no separados (P < 0,001); cerdos alimentados con un
comedero uni-espacio con bebedero incorporado también presentaron menor CTP y mejor
IC en comparación a los comederos uni y multi-espacio sin bebederos (P < 0,001). Cerdos
alojados en corrales con menos de 50% de emparrillado tuvieron mejor IC que aquellos
alojados en suelos con 50% o más de emparrillado (P < 0,05). Lotes con cerdos de
múltiples orígenes presentaron superior MORT comparado a aquellos con cerdos de un
único origen (P < 0,01). Lotes alojados en naves que realizaron un control manual de la
ventilación presentaron mayor MORT que aquellos con control automático (P < 0,001).
Lotes pequeños (< 800 cerdos alojados) tuvieron menor MORT que los medios (800-2000
cerdos) y los grandes (> 2000 cerdos) (P < 0,01) y finalmente cerdos que fueron enviados
para el sacrificio con mayor peso medio final presentaron mayor CTP y peor IC (P < 0,05).
Los valores de los coeficientes de determinación (R2) obtenidos en cada modelo fueron de
0,63 para el CTP, 0,27 para el IC y 0,20 para la MORT. Los resultados confirman que en
general el CTP, IC y MORT fueron afectados por el trimestre de entrada de los lotes en las
naves, numero de orígenes de los cerdos, manejo de separación de sexos en los corrales,
tipo de comedero y de control de ventilación, porcentaje de emparrillado de los corrales y
peso medio inicial y final.
Finalmente, el tercer estudio tuvo por objetivo utilizar dos métodos diferentes de
regresión lineal para estudiar los resultados. Se partió de la información obtenida, a través
de encuesta, en 686 lotes de cerdos de crecimiento y engorde pertenecientes a 404 granjas
IV
integradas en siete empresas. Se estudiaron los factores que afectaban el índice de
conversión (IC) y la mortalidad (MORT) utilizando un análisis de regresión en cada una de
las empresas por separado (A a G) o de forma global (OD) en una base de datos que
contenía información de seis de estas empresas. Los factores estudiados fueron la
localización geográfica de las granjas, trimestre de entrada de los lotes en las granjas, la
combinación entre la genética del macho finalizador, sexo/género de los cerdos y su
segregación en los corrales, el uso de la vacuna contra la enfermedad del circovirus,
numero de origines de los cerdos, edad de la granja, porcentaje de emparrillado de los
corrales, tipo de comedero, bebedero y de control de la ventilación, numero de piensos
utilizados y su forma física, vías utilizadas para la administración de antibióticos, origen del
agua utilizada en la granja y el numero de cerdos entrados por lote y su peso medio inicial.
Se observó que la variabilidad entre empresas fue mucho mayor que aquella intra empresas
y algunos factores no presentaron variabilidad dentro de algunas empresas. Los factores
que resultaron significativos en dos o más empresas y/o en el OD para el IC fueron: el
trimestre en que los cerdos fueron alojados en la granja (A, P < 0.05; B, P < 0.001; C, P <
0.10; E, P < 0.01 y OD, P < 0.01), la combinación entre genética del macho finalizador,
sexo/género y su segregación (B, P < 0.10; C, P < 0.01 y OD, P < 0.01), el número de
orígenes de los cerdos (C, P < 0.10; G, P < 0.10 y OD, P < 0.01), la edad de la granja (D,
P < 0.01 y F, P < 0.05) y el peso inicial (A, P < 0.001; D, P < 0.001; G, P < 0.001 y OD, P
< 0.001). En cuanto a la mortalidad, los factores importantes fueron: el trimestre de entrada
(A, P < 0.10; B, P < 0.001; C, P < 0.05; E, P < 0.05; F, P < 0.05 y OD, P < 0.001), el
número de origines de los animales (B, P < 0.10; C, P < 0.01; G, P < 0.05 y OD, P <
0.001), el origen del agua en la granja (A, P < 0.05 y E, P < 0.05), el número de cerdos
alojados (B, P < 0.05; F, P < 0.05 y OD, P < 0.001) y el peso inicial (D, P < 0.10 y E, P <
V
0.05). Además, dado que solamente algunas empresas facilitaron informaciones como la
edad de la granja, las vías de utilización de antibióticos o el origen del agua, estos factores
no fueron incluidos en el OD, pero si en los modelos individuales por empresa. Estas tres
variables mostraron un efecto importante y podrían ser variables de interés en aquellas
empresas que no las facilitaron. Finalmente, se observó que los modelos desarrollados por
empresa fueron más precisos y fiables que aquellos derivados de la base de datos global
(mayores R2).
VI
VII
SUMMARY
The main objective of this thesis was to know and quantify the importance of the
various factors of the pig production on animal performance during the growing-finishing
phase. In order to achieve this main objective, a set of three studies (chapters 5 to 7) were
performed and they will be detailed as follow.
In the first study it was built a data set including productive performance and
production factors data of growing-finishing pigs in Spain in order to perform a
representative and reliable description of the traits of Spanish growing-finishing pig
industry. Data from 764 batches from 452 farms belonging to nine Spanish companies
(1,157,212 pigs) were collected through a survey including four parts: general information,
facilities, feeding and performance parameters obtained between 2008 and 2010. Most
studied farms: had only growing-finishing pigs on their facilities (94.7%), produced
¨industrial¨ pigs (86.7%), had entire male and female (59.5%) and Pietrain-sired pigs
(70.0%), housed between 13-20 pigs per pen (87.2%), had 50% of slatted floor (70%),
single-space dry feeder (54.0%), nipple drinker (88.7%) and automatic ventilation systems
(71.2%). A 75.0% of the farms used three feeding phases using mainly pelleted diets
(91.0%), 61.3% performed three or more antibiotic treatments and 36.5% obtained water
from the public supply. Continuous variables studied had the following average values:
number of pigs placed per batch, 1,515 949 (SD) pigs; initial and final body weight, 19.0
2.56 and 108 6.2 kg; length of growing-finishing period, 136 12 days; culling rate,
1.4 1.23%; barn occupation, 99.7 1.36%; feed intake per pig and fattening cycle, 244
VIII
26.1 kg; daily gain, 0.657 0.0650 kg; feed conversion ratio, 2.77 0.178 kg/kg and
mortality rate, 4.3 2.64%. Data reflecting the practical situation of the Spanish growing
and finishing pig production may contribute to develop new strategies in order to improve
the productive and economic efficiency of growing-finishing pig units.
The second study was designed to develop the first models in order to predict the
effect of animal management and farm facilities on total feed intake (TFI), feed conversion
ratio (FCR) and mortality rate (MORT) of grow-finishing pigs. Thus, with the aim of
reducing variability in the database it was proposed standardize some production factors as
the breed of the sire pigs, gender of the animals placed in batches as well as initial and final
body weight interval. In total, 316 batches from 246 grow-finishing farms, consisting of
459,148 Pietrain sired pigs in six Spanish pig companies were used. Data collection
consisted of a survey on management practices (season of placement, split-sex by pens,
number of pig origins, water source in the farm, initial or final body weight) and facilities
(floor, feeder, ventilation or number of animals placed) during 2008 and 2009. Results
indicated that batches of pigs placed between October and March had higher TFI, FCR and
MORT than those placed between April and September (P < 0.01); batches which had split-
sex pens had lower TFI and better FCR than those with mixed-sex in pens (P < 0.001); pigs
fed with a single-space feeder with incorporated drinker also had the lowest TFI and best
FCR in comparison to single and multi-space feeders without a drinker (P < 0.001). Pigs
placed in pens covered by slats to less than 50% presented an improvement in FCR than
pens covered by slats to 50% or more (P < 0.05). Batches filled with pigs from multiple
origins had higher MORT than those from a unique origin (P < 0.01). Pigs housed in barns
IX
that performed manual ventilation control presented higher MORT in comparison to
automatic ventilation (P < 0.001). Small batches (< 800 pigs placed) had the lowest MORT
than medium (800-2000 pigs) and big batches (> 2000 pigs) (P < 0.01) and finally pigs
which were sent to slaughterhouse with an higher final body weight presented higher TFI
and poorer FCR (P < 0.05). The R2 values obtained in each model were 0.63 for TFI, 0.27
for FCR and 0.20 for MORT. Results showed that in general TFI, FCR and MORT were
influenced by the trimester of placement of the batches in the facilities, number of pig
origins of the pigs, sex segregation in pens, type of feeder and ventilation control,
percentage of slat in pens and initial and final body weight.
The third study aimed to collect available information from a representative number
of pig producing companies in Spain using two different lineal regression approaches.
Thus, information from 686 batches of growing-finishing (GF) pigs from 404 GF farms
integrated in seven Spanish companies was obtained between July 2008 and July 2010 by
survey. Factors affecting feed conversion ratio (FCR) and mortality (MORT) were studied
by multiple linear regression analysis in each single company (A to G) and in an overall
database (OD) that contained data from six of these companies. Factors studied were
geographic location of the farm, trimester the pigs entered the farm, genetics, gender, use of
circovirus vaccine, number of origins the pigs were obtained from, age of the farm,
percentage of slatted floor, type of feeder, drinker and ventilation, number of phases and
form of feed, antibiotic administration system, water source, and number and initial weight
of pigs. Variability among companies was much higher than within companies and some
factors presented no variability within companies. In two or more companies studied and/or
in OD, the trimester when pigs were placed in the farm (A, P < 0.05; B, P < 0.001; C, P <
X
0.10; E, P < 0.01 and OD, P < 0.01), genetics-gender-sex segregation (B, P < 0.10; C, P <
0.01 and OD, P < 0.01), number of origins of the pigs (C, P < 0.10; G, P < 0.10 and OD, P
< 0.01), age of the farm (D, P < 0.01 and F, P < 0.05) and initial body weight (A, P <
0.001; D, P < 0.001; G, P < 0.001 and OD, P < 0.001) were the most important factors
affecting FCR. With regarding to the mortality, trimester of placement (A, P < 0.10; B, P <
0.001; C, P < 0.05; E, P < 0.05; F, P < 0.05 and OD, P < 0.001), number of origins of the
pigs (B, P < 0.10; C, P < 0.01; G, P < 0.05 and OD, P < 0.001), water source in the farm
(A, P < 0.05 and E, P < 0.05), number of pigs placed (B, P < 0.05; F, P < 0.05 and OD, P <
0.001) and the initial body weight (D, P < 0.10 and E, P < 0.05) were considered the main
factors. Age of the farm, antibiotic administration system, and water source were only
provided by some of the studied companies and were not included in the OD model,
however, when analyzed in particular companies these three variables had an important
effect and may be variables of interest in companies that do not record them. It was
observed that models developed by company were more accurate and reliable than those
originated from the overall database.
XI
ABREVIACIONES
AC: autonomous community
ADG: average daily gain (kg/pig)
ADURFAT: average duration of the fattening period (days)
AGEBARN: age of the barn
AUJESVAC: number of Aujeszky´s dose vaccine.
BO: barn occupation (%)
BREED: breed of the sire pigs
BREGENSEG: breed of the pig-sire,
genders present in batches and sex
segregation in batches.
BW: body weight
CIRCOVAC: circovirus vaccine
Com A: company A
Com B: company B
Com C: company C
Com D: company D
Com E: company E
Com F: company F
Com G: company G
CP: content of crude protein in each feed (%)
CS: cooling system
CR: culling rate (%)
CTP: consumo total de pienso
DRINKER: type of drinker
FBW: final body weight (kg/pig)
FCR: feed conversion ratio (kg/kg)
FEEDER: type of feeder
FFORM: form of the feeds
FLOOR: floor conditions
FPHASE: number of feed phases
FREQATB: frequency of antibiotic treatments
GENDER: genders presents
GDP: ganancia diaria de peso
GF: grow-finishing
HERD: type of herd
IBW: initial body weight (kg/pig)
IC: índice de conversión
MYCOVAC: mycoplasma vaccine
MORT: mortality rate (%)
MORT: mortalidad (%)
NE: content of net energy in each feed (kcal/kg)
NPP: number of pigs placed
OD: overall database (companies A to F)
XII
ORIGIN: number of pig origins
PATHATB: pathways of antibiotics used
PIGFAT: type of commercial pig produced
PIGPEN: number of pigs per pen
r: coeficiente de correlación
R2: coeficiente de determinación
REML: restricted maximum likelihood procedure
sqrtMORT: square root of the mortality rate
SPLITSEX: sex segregation in pens
TDURFAT: total duration of the fattening period (days)
TFI: total feed intake (kg/pig)
TL: content of total lysine in each feed (%)
TRIMESTER: trimester of placement
VENT: type of ventilation control
WATERHIG: water hygienization
WATERSOU: water source at the farm
YEAR: year of placement
XIII
ÍNDICE
Capítulo 1. Introducción general ................................................................................................ 1
Capítulo 2. Revisión bibliográfica .............................................................................................. 7
2.1. El sector porcino en España ............................................................................................... 9
2.1.1. Características de la producción porcina .................................................................... 9
2.1.2. Margen de beneficio y costes de producción ............................................................. 15
2.2. Factores que afectan los rendimientos productivos durante el engorde ..................... 19
2.2.1. Genética y peso al sacrificio ...................................................................................... 19
2.2.2. Sexo ............................................................................................................................ 21
2.2.3. Trimestre de entrada de los animales ........................................................................ 24
2.2.4. Estructura del engorde y origen de los animales ....................................................... 27
2.2.5. Factores sanitarios ..................................................................................................... 30
2.2.6. Alimentación ............................................................................................................... 33
2.2.6.1. Contenido en energía y nutrientes del pienso ....................................................... 34
2.2.6.2. Numero de piensos ............................................................................................ 37
2.2.6.3. Forma física del pienso ..................................................................................... 40
2.2.6.4. Importancia del agua de bebida ......................................................................... 42
2.2.7. Instalaciones ............................................................................................................... 45
2.2.7.1. Densidad de animales ........................................................................................ 46
2.2.7.2. Número de cerdos por corral ............................................................................. 48
2.2.7.3. Tipo de suelo .................................................................................................... 51
2.2.7.4. Tipo de comedero y bebedero ............................................................................. 53
2.2.7.5. Sistema de ventilación, refrigeración y calefacción .............................................. 58
2.2.7.6. Tamaño de la granja de crecimiento y engorde .................................................... 62
2.3. Modelos matemáticos de predicción utilizados en ciencia animal .............................. 64
2.3.1. Definición ................................................................................................................... 64
2.3.2. Tipos y características ................................................................................................ 66
Capítulo 3. Objetivos ................................................................................................................... 71
XIV
Capítulo 4. Metodología general ............................................................................................... 77
4.1. Origen del estudio y obtención de la información ......................................................... 79
4.2. Diseño y contenido de las encuestas ............................................................................... 81
4.3. Proceso de datos y orientación de los estudios realizados ........................................... 85
Capítulo 5. Descriptive study of production factors affecting performance traits in growing finishing pigs in Spain ................................................................................. 89
5.1. Objectives ........................................................................................................................... 91
5.2. Material and Methods ........................................................................................................ 91
5.2.1. Data collection ........................................................................................................... 91
5.2.2. Data analysis .............................................................................................................. 93
5.3. Results and discussion ....................................................................................................... 95
5.4. Conclusions ...................................................................................................................... 109
Capítulo 6. Factors affecting mortality, feed intake and feed conversion ratio of grow-finishing pigs ...................................................................................................... 111
6.1. Objectives ......................................................................................................................... 113
6.2. Material and methods ...................................................................................................... 113
6.2.1. Sampling and data collection ................................................................................... 113
6.2.2. Data analysis ............................................................................................................ 116
6.3. Results ............................................................................................................................... 117
6.3.1. Company ................................................................................................................... 117
6.3.2. Total feed intake ....................................................................................................... 118
6.3.3. Feed conversion ratio ............................................................................................... 120
6.3.4. Mortality ................................................................................................................... 122
6.4. Discussion ......................................................................................................................... 124
6.5. Conclusions ...................................................................................................................... 128
Capítulo 7. Managing variability in decision making in Spanish swine production companies ................................................................................................................ 129
7.1. Objectives ......................................................................................................................... 131
7.2. Materials and methods .................................................................................................... 131
7.2.1. Sampling information and variables collected in the study ..................................... 131
7.2.2. Data processing and analyses .................................................................................. 132
7.3. Results ............................................................................................................................... 134
XV
7.3.1. Feed conversion ratio ............................................................................................... 137
7.3.2. Square root of mortality rate .................................................................................... 142
7.4. Discussion ......................................................................................................................... 146
7.5. Conclusions ...................................................................................................................... 149
Capítulo 8. Discusión general ....................................................................................................... 151
8.1. Programación y ejecución de los estudios .................................................................... 153
8.2. Ejercicio de validación de algunas ecuaciones ............................................................ 160
8.3. Aspectos manifiestamente mejorables del trabajo y futuros estudios ...................... 164
Capítulo 9. Conclusiones generales .............................................................................................. 169
9.1. Conclusiones de carácter general ................................................................................... 171
9.2. Conclusiones derivadas de los modelos globales ........................................................ 172
9.3. Conclusiones derivadas de los modelos por empresas ............................................... 173
Capítulo 10. Anexos ...................................................................................................................... 175
Capítulo 11. Referencias bibliográficas ....................................................................................... 189
XVI
ÍNDICE DE TABLAS
Capítulo 1
Tab. 1.1. Resultados productivos en transición y cebo de una muestra de 350.000 lechones. ....................................................................................................................... 5
Capítulo 2
Tab. 2.1. Valores medios de los principales índices técnicos registrados en explotaciones porcinas españolas entre 2009-2011. .................................................. 14
Tab. 2.2. Principales características observadas en los diferentes tipos de cerdos
engordados en España ................................................................................................ 20
Tab. 2.3. Efecto del sexo/género sobre los parámetros productivos y algunas características en la canal del cerdo. .......................................................................... 23
Tab. 2.4. Efecto de la temperatura ambiente sobre los parámetros productivos de
cerdos en crecimiento y engorde. ............................................................................... 27
Tab. 2.5. Influencia del estado sanitario de granjas porcinas sobre los rendimientos productivos de cerdos en crecimiento y cebo (los valores entre paréntesis indican diferencias relativas con respecto al grupo control). ..................................... 33
Tab 2.6. Recomendaciones en energía, proteína y lisina para piensos de cerdos en
crecimiento y cebo. .................................................................................................... 35
Tab. 2.7. Estudios que evalúan el efecto de diferentes formas físicas de presentación del alimento sobre los parámetros productivos y la prevalencia de salmonella de cerdos en crecimiento y engorde. ........................................................ 42
Tab. 2.8. Factores que afectan el consumo ad libitum de agua. ................................................ 43
Tab. 2.9. Requerimientos mínimos de agua en cerdos de crecimiento y engorde de
diferentes pesos, en condiciones de termo neutralidad y consumiendo un pienso equilibrado. ..................................................................................................... 44
Tab. 2.10. Densidad máxima aconsejada para diferentes intervalos de pesos.
Comparación entre requerimientos técnicos y legales. .............................................. 47
Tab. 2.11. Efectos de la temperatura ambiente y de la densidad de animales sobre la ganancia diaria de peso (GDP), el consumo diario de pienso (CDP) y la relación ganancia de peso:consumo de pienso o eficiencia alimentaria (G:C). ......................................................................................................................... 48
XVII
Tab. 2.12. Diferencia de rendimiento entre grupos de cerdos alimentados en un comedero uni-espacio sin o con bebedero incorporado. ............................................ 56
Tab. 2.13. Tasas de ventilación recomendadas para los ventiladores habituales. ..................... 59
Tab. 2.14. Ritmo de ventilación recomendado (m3/cerdo y hora) para cerdos en
crecimiento y cebo alojados, durante el invierno o verano, en climas templados o en condiciones mediterráneas ................................................................ 61
Tab. 2.15. Niveles de organización jerarquizado en producción animal. .................................. 66
Capítulo 4
Tab. 4.1. Información contenida en la encuesta. ....................................................................... 82
Capítulo 5
Tab. 5.1. Description of the variables recorded. ........................................................................ 94
Tab. 5.2. Characterization of the descriptive variables recorded from 452 growing-finishing farms. .......................................................................................................... 97
Tab. 5.3. Comparison of the main continuous variables registered between ¨industrial
(I)¨ and ¨heavy (H)¨ fattening pigs through univariate statistical analysis. .............. 101
Tab. 5.4. Pearson correlation coefficients for all production performance recorded in batches from ¨industrial¨ growing-finishing pigs. .................................................... 102
Tab. 5.5. Associations between predictor variables (production factors) and the main
outcome variables (productive performance) in batches from ¨industrial¨ growing-finishing pigs. Company was included as random effect and categorical variables which were not significant (P > 0.10) for any variable are not shown. .......................................................................................................... 105
Capítulo 6
Tab. 6.1. Descriptive values of independent categorical variables studied in 316 batches from 246 herds of grow-finishing pigs belonging to six integrated pig companies. ......................................................................................................... 115
Tab. 6.2. Descriptive values of independent continuous variables and dependent
variables in 316 batches from 246 herds of grow-finishing pigs belonging to six integrated pig companies. ............................................................................... 116
Tab. 6.3. Estimates of the effects of the factors studied (s.e.) on total feed intake in
kilograms per pig in 316 batches from 246 herds of grow-finishing pigs belonging to six integrated pig companies. .............................................................. 119
XVIII
Tab. 6.4. Estimates of the effects of the factors studied (s.e.) on feed conversion ratio (FCR) in 316 batches from 246 herds of grow-finishing pigs belonging to six integrated pig companies. ................................................................................... 121
Tab. 6.5. Estimates of the effects of the factors studied (s.e.) on square root of
mortality rate in 316 batches from 246 herds of grow-finishing pigs belonging to six integrated pig companies. .............................................................. 123
Capítulo 7
Tab. 7.1. Characterization of the descriptive variables recorded from 686 batches in 404 grow-finishing farms belonging to seven integrated pigs companies. .............. 134
Tab. 7.2. Means and standard deviation of initial and final body weight (IBW;
FBW), feed conversion ratio (FCR) and square root of the mortality rate (sqrtMORT) observed from 686 batches in 404 grow-finishing farms belonging to seven integrated pigs companies. ........................................................ 136
Tab. 7.3. Parameter estimates (s.e. in parenthesis) for the feed conversion ratio
(FCR) in each company studied (n = 686 batches) and when companies A to F were grouped in the same database (OD, N = 607 batches). ............................ 139
Tab. 7.4. Parameter estimates (s.e. in parenthesis) for the square root of mortality
rate (sqrtMORT) in each company studied (N = 686 batches) and when companies A to F were grouped in the same database (OD; N = 607 batches) .................................................................................................................... 144
Capítulo 8
Tab. 8.1. Ejemplos de estudios que evalúan la influencia de diferentes factores de producción en relación a los índices productivos más determinantes en la fase de crecimiento y engorde de cerdos. ................................................................. 155
XIX
ÍNDICE DE FIGURAS
Capítulo 2 Fig. 2.1. Evolución de la producción de carne de cerdo en España en el período
2001-2011. ................................................................................................................. 10
Fig. 2.2. Distribución regional del censo porcino (intensivo y extensivo) en España durante el año 2011. ................................................................................................... 11
Fig. 2.3. Importancia de las diferentes comunidades autónomas en el censo de
lechones, cerdos de engorde y reproductores durante el año 2011. ........................... 12
Fig. 2.4. Distribución de las explotaciones de reproductoras y de engorde de Cataluña según el tipo de régimen de propiedad en los meses de mayo-junio de 2011. ............................................................................................................. 13
Fig. 2.5. Media anual del precio de los piensos de lechones, cerdos en crecimiento y
engorde y cerdas reproductoras durante el período 2006-2011.. ............................... 16
Fig. 2.6. Distribución de costes de producción de un cerdo de 105 kg en España durante el año 2011. ................................................................................................... 17
Fig. 2.7. Distribución de costes en la fase de crecimiento y engorde en España
durante 2011. .............................................................................................................. 18
Fig. 2.8. Influencia de la época del año sobre el índice de conversión de cerdos en crecimiento-cebo. ....................................................................................................... 25
Fig. 2.9. Tipos y organización de las granjas en España. .......................................................... 29
Fig. 2.10. Concentración de nutrientes en piensos de cerdos de crecimiento y
engorde de acuerdo con un sistema diario, con tres y diez piensos. .......................... 38
Fig. 2.11. Relación entre el número de piensos administrados en crecimiento y engorde y el tamaño de las granjas. ........................................................................... 39
Fig. 2.12. Impacto del tamaño del grupo sobre la ganancia media diaria de peso
(GDP) y el índice de conversión (IC) durante las fases de transición, crecimiento y engorde. ............................................................................................... 50
Fig. 2.13. Diferencias en la proporción de “slat” presentes en los corrales de naves de
crecimiento y cebo. .................................................................................................... 52
Fig. 2.14. Ejemplo de comederos utilizados habitualmente en las naves de crecimiento y cebo de cerdos en España. ................................................................... 54
XX
Fig. 2.15. Ejemplo de los bebederos más comúnmente encontrados en las naves de crecimiento y cebo de cerdos en España. ................................................................... 57
Fig. 2.16. Tipos más comunes de ventilación encontrados en las naves de
crecimiento y cebo de cerdos en España. ................................................................... 61
Capítulo 4
Fig. 4.1. Porcentaje de granjas estudiadas por provincia española (n=454 granjas). ................ 84
Capítulo 5
Fig. 5.1. Distribution of the number of pigs placed per batch (764 batches). ........................... 95
Capítulo 8
Fig. 8.1. Dendrograma obtenido de la relación entre las variables categóricas en las diferentes granjas pertenecientes a una de las siete empresas integradoras evaluadas (A a G). .................................................................................................... 157
Fig. 8.2. Valores reales y predichos del índice de conversión y porcentaje de
mortalidad de 18 lotes de la empresa A utilizados para validar los modelos creados para la misma empresa. ............................................................................... 162
Fig. 8.3. Valores reales y predichos del índice de conversión y porcentaje de
mortalidad de 14 lotes de la empresa C utilizados para validar los modelos creados para la misma empresa. ............................................................................... 163
1
Capítulo 1
Introducción general
2
3
El desarrollo de la porcicultura moderna/industrial en España se inicia con la
aparición de las fábricas de piensos en los años 50-60 del siglo pasado, tal vez mimetizando
el desarrollo un poco anterior de la avicultura. En el último medio siglo el panorama ha
evolucionado de forma espectacular; a la sombra de las fábricas de pienso aparecieron las
granjas en “ciclo cerrado”: ganaderos que gestionaban entre decenas y algún centenar de
cerdas reproductoras. En un lugar físico único convivían cerdas, verracos, lechones y
cerdos de engorde hasta su traslado al matadero. En los años 70 aparecieron las primeras
empresas productoras que, ligadas o no a una fábrica de piensos, gestionaban distintas
granjas con objeto de reducir costes y obtener el máximo beneficio de la comercialización.
Un poco más tarde, en los años 80 y especialmente 90, estas empresas se convirtieron en
grandes integradoras justificando la aparición del sistema de producción “en fases”: las
madres, los lechones destetados y los cerdos en crecimiento y engorde se alojan en
instalaciones separadas a varios kilómetros de distancia. Este nuevo sistema permite
especializar la producción, obtener beneficio de un proceso de economía de escala y
además aprovechar algunas ventajas sanitarias.
Durante las últimas dos décadas, la porcicultura en su conjunto ha dirigido su
atención preferente a abordar nuevos retos que permitan ofrecer un mejor servicio al
consumidor y a la sociedad en general. Entre estos nuevos retos se señalan: a) obtener carne
y productos cárnicos de calidad contrastada con las máximas garantías de salubridad y
trazabilidad, b) garantizar las condiciones de bienestar animal en todas y cada una de las
etapas de la cría, el transporte y el sacrificio y c) generar una especial sensibilidad en
aspectos medioambientales derivados de la actividad ganadera e industrial asociada al
porcino.
4
En la mayoría de los casos, bajo una legislación cambiante y cada vez más restrictiva,
abordar estas cuestiones requiere implementar soluciones más eficientes para viejos
problemas (generar nuevas líneas genéticas, mejorar las instalaciones, optimizar el ciclo
reproductivo, la alimentación y el control de enfermedades, la comercialización). El éxito
integral de la empresa porcina actual se fundamenta en realizar una minuciosa recogida de
información en granja que convenientemente tratada utilizando modelos/sistemas de
gestión técnica y económica permitan realizar un seguimiento continuo y preciso del ciclo
productivo y así tomar las decisiones más adecuadas para optimizar la utilización de los
recursos disponibles y garantizar el éxito de la empresa.
Mientras los programas de gestión técnica (BDporc, PigChamp…) para controlar el
ciclo reproductivo del rebaño y el flujo de animales en la granja se han venido utilizando de
forma habitual durante las últimas décadas, los programas de gestión económica se han
incorporado más recientemente y solamente unas pocas empresas ofrecen este servicio. De
hecho existen informes periódicos a nivel nacional como los publicados por el Ministerio
Agricultura, Alimentación y Medio Ambiente (anual) o por el “Observatori del porcí” del
Departament d’Agricultura, Alimentació i Acció Rural de la Generalitat de Catalunya
(semestral) u otros de alcance internacional como el EUROSTAT o Agri Stats, Inc., que
resumen la evolución de los parámetros técnicos y económicos experimentados por el
sector a lo largo del tiempo.
El seguimiento permanente de los índices productivos y económicos no pone de
manifiesto el impacto ejercido por un determinado aspecto de producción sobre dichos
índices y no permite jerarquizar los factores productivos en función de su contribución real
al output del sistema. Para ello, se precisa dar un paso más con un enfoque basado en una
recogida de información tanto de los índices productivos como de los medios y condiciones
5
de producción disponibles en un grupo representativo de granjas, seguida de un estudio
estadístico destinado a establecer las relaciones más sobresalientes.
Según un informe reciente publicado por la empresa SIP Consultors (SIP Consultors,
2011a), en las condiciones comerciales españolas, las fases de crecimiento y cebo supone
alrededor del 62% del coste del cerdo de 100 kg de peso vivo. La fracción más importante
del coste total es el gasto en alimentación (66%) que cuando la referimos únicamente a las
fases de crecimiento y cebo puede llegar al 78%.
Por otra parte, los resultados publicados en 2011 por la misma empresa (Tabla 1.1)
muestran una variabilidad importante de los parámetros productivos, tanto durante la
transición como en el crecimiento y cebo. Teniendo en cuenta que la muestra de partida
proviene de granjas/empresas de nivel superior a la media nacional, no es arriesgado inferir
variaciones de 10 a 30% en crecimientos, índices de conversión o en el coste por plaza y
año y muy superiores en parámetros como la mortalidad.
Tabla 1.1. Resultados productivos en transición y cebo de una muestra de 350.000
lechones.
Mejor (M) Media Peor (P) ((M-P)/P)% Transición
Crecimiento (kg/d) 0,324 0,286 0,247 31
Índice de conversión 1,62 1,71 1,80 11
Mortalidad (%) 2,1 3,0 4,0 90
Coste/Plaza y año (€) 27 30 33 22
Cebo
Crecimiento (kg/d) 0,697 0,652 0,607 15
Índice de conversión 2,57 2,71 2,85 11
Mortalidad (%) 2,9 3,8 4,8 66
Coste/Plaza y año (€) 32 35 38 19
Adaptado de SIP Consultors (2011b).
6
Los principales factores que afectan los índices productivos, y consecuentemente los
costes del porcino en crecimiento y cebo, son bien conocidos (Losinger, 1998; Cline y
Richert, 2001; Quiles y Hervia, 2008). Entre ellos destacan la línea genética y el tipo
comercial de cerdo producido, la alimentación, las condiciones de las instalaciones y el
estado sanitario. Existen trabajos científicos que relacionan estos parámetros entre sí, en
especial la línea genética y el tipo comercial (Corrêa et al., 2006; Gispert et al., 2007;
Latorre et al., 2004), la alimentación (Han et al., 2000; Hill et al., 2007; Mößeler et al.,
2010; Niemi et al., 2010) e incluso el estado sanitario (Martinez et al., 2009) y los que se
refieren a las condiciones de las instalaciones (Garcimartín et al., 2008; Street y Gonyou,
2008; Averós et al., 2010; Saha et al., 2010).
Desafortunadamente, existe poca información que relacione de un modo cuantitativo
los factores de producción o los principales parámetros que los definen con los índices de
eficiencia productiva y económica, y todavía es más escasa la información referida a las
condiciones de producción españolas siendo por tanto necesarios más estudios destinados a
cuantificar los efectos de esos factores de producción en los principales índices productivos
en granjas porcinas españolas.
7
Capítulo 2
Revisión bibliográfica
8
9
2.1. El sector porcino en España
2.1.1. Características de la producción porcina
Atendiendo al volumen de negocio, el sector porcino es el más importante de la
ganadería española. De acuerdo con el informe Anual del Ministerio de Agricultura,
Alimentación y Medio Ambiente (MAGRAMA, 2012), generó en 2011 casi 5.200 millones
de euros, equivalente a 34,2% de la producción final ganadera y un 12,4% de la
producción final agraria. En la Figura 2.1 se presenta la evolución de la producción de
carne de cerdo en España en el período de 2001 a 2011. España ocupa la cuarta posición en
producción de carne de cerdo a nivel mundial, siendo solamente superado por China,
Estados Unidos y Alemania. En 2011 la producción fue de aproximadamente 3,5 millones
de toneladas equivalente a un 3,45 % de la producción mundial y un 15,5% de la UE-27.
Las principales comunidades autónomas productoras de carne de cerdo en España
(MAGRAMA, 2011) son Cataluña (40,4%), Castilla y León (14,6%), Andalucía (8.8%),
Castilla La Mancha (8,5%) y Aragón (8%).
Además la carne de cerdo es la que se industrializa en mayor proporción con casi el
40% siendo el resto consumido en fresco. En 2011, el consumo per cápita de carne de cerdo
fue de un 48,2 kg, considerado alto cuando se compara con otros países. La demanda
interna se justifica principalmente por ciertos hábitos alimentarios de la población, la
enorme variedad de productos transformados y el precio, muy competitivo, que facilita el
consumo preferente de esta carne en comparación a la de otras especies.
10
Figura 2.1. Evolución de la producción de carne de cerdo en España en el período 2001-
2011 (MAGRAMA, 2012).
En 2011 España exportó un 39 % de la carne producida, un 77 % a países de la UE y
el resto a países extracomunitarios, siendo la carne de cerdo el principal componente de la
exportación nacional de carne (MAGRAMA, 2012). Por ello, algunas empresas españolas
han especializado buena parte de su producción con destino al mercado exterior.
Aunque el sector “carne de cerdo” incluye no solo la producción del cerdo a nivel de
granja sino también su sacrificio, transformación, distribución y venta al consumidor, en
esta revisión nos referiremos únicamente al subsector productivo.
En diciembre de 2011 (MAGRAMA, 2012) España contaba con 25,6 millones de
cabezas (17,3 % de la cabaña porcina de la UE-27), de ellas alrededor de dos millones y
medio de reproductoras. En la Figura 2.2 se presenta la distribución regional del censo
porcino (intensivo y extensivo) en España durante el año 2011.
29893070
3190
3076
3168 3182
3439 3452
32913369
3479
2700
2900
3100
3300
3500
3700
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Pro
du
cció
n d
e ca
rne
de c
erd
o (x
100
0 to
nel
adas
)
11
Figura 2.2. Distribución regional del censo porcino (intensivo y extensivo) en España
durante el año 2011 (MAGRAMA, 2012).
Según el informe del Observatori del Porcí (2012), el grupo más importante es el de
animales de cebo (61,6%), seguido por los lechones (27,8%) y finalmente un 9,6%
corresponde a reproductores. Como muestra la Figura 2.3, a pesar de que la producción
está distribuida por todo el país, las comunidades de Cataluña y Aragón cuentan con un
mayor censo de lechones (51%), cebo (50%) y también de reproductores (41%).
En 2011 la cabaña porcina se distribuía en aproximadamente 93.000 explotaciones.
En el informe del año anterior (MAGRAMA, 2011) eran aproximadamente 94.252
explotaciones, de ellas, 52.744 de cebo o cebaderos (56%), 21.687 de producción mixta
(23%), 10.280 granjas de ciclo cerrado (11%), 5.171 granjas de producción de lechones
(5,5%), 3.112 sin clasificar (3,3%), 338 granjas de multiplicación (0,4%), 356 transición de
lechones (0,4%), 317 granjas de recría de reproductoras (0,3%), 142 granjas de selección
(0,2%), 62 centros de inseminación artificial (0,1%) y 43 clasificadas como ¨otras¨
(0,008%).
Cataluña27,5%
Aragón21,8%
Castilla y León, 12,6%
Andalucía8,5%
Región de Murcia 6,7%
Castilla La Mancha 6,1%
Extremadura4,5%
Comunidad Valenciana
4,3%
Galicia 4,1%
Resto de CCAA3,8%
12
Figura 2.3. Importancia de las diferentes comunidades autónomas en el censo de lechones,
cerdos de engorde y reproductores durante el año 2011 (MAGRAMA, 2012).
El sector productivo, a su vez, se organiza genéricamente en tres “formas” de
producción: libre, cooperativas de producción y empresas integradoras. En el primer caso,
ya sean grandes empresas o pequeñas granjas, el empresario/ganadero asume el riesgo y
disfruta del beneficio de toda la cadena de producción mientras en los dos últimos, la
cooperativa o empresa integradora suele gestionar la comercialización de los cerdos además
de ofrecer un conjunto de servicios al ganadero que es quién suele correr con el cuidado de
los cerdos y de las instalaciones. La relación de obligaciones y derechos entre el ganadero y
la cooperativa o la empresa integradora se especifica mediante contrato. En los últimos
años el sistema de integración ha aumentado considerablemente su implantación, no solo en
los engordes sino también en los rebaños de madres (Observatori del Porcí, 2012). La
Figura 2.4 presenta la distribución de explotaciones de reproductoras y de engorde en
28 2823
23 22
18
1412
15
89
9
5 8
7
8 5
7
44
8
3 5 4
4 4 5
3 4 5
0%
20%
40%
60%
80%
100%
Lechones Cerdos de engorde Reproductores
Cen
so t
otal
Resto CCAA
Galícia
C. Valenciana
Extremadura
Castilla La Mancha
Región de Murcia
Andalucía
Castilla y León
Aragón
Cataluña
13
Cataluña según el tipo de régimen de propiedad entre los meses de mayo y junio de 2011
(aunque la información se refiere solamente a Cataluña, los resultados pueden extrapolarse
al menos a parte del Estado). De este modo, se puede observar que en los rebaños de
madres, el sistema de producción libre (propiedad) es el predominante mientras que en el
caso de los engordes la integración es la forma de producción más común.
Figura 2.4. Distribución de las explotaciones de reproductoras y de engorde de Cataluña
según el tipo de régimen de propiedad en los meses de mayo-junio de 2011. Adaptado del
DAAM (2012).
Además del factor empresarial, sin duda el factor que más incide en el éxito y
supervivencia del subsector de producción de porcino son los rendimientos técnicos y
económicos de las explotaciones. En este sentido, la Tabla 2.1 incluye los principales
índices productivos obtenidos en el trienio 2009-2011.
69,0
15,7
2,06,7
29,0
77,6
0
20
40
60
80
100
Reproductoras Engorde
% e
xplo
taci
ones
Propiedad Cooperativa Integración
14
Tabla 2.1. Valores medios de los principales índices técnicos registrados en explotaciones
porcinas españolas entre 2009-2011.
Índices técnicos 2009 2010 2011
Madres n (cerdas presentes)* - 524.688 583.416Destetados/cerda presente y año 21,17 21,38 21,60 Destetados/cerda productiva y año 25,04 25,53 26,12 Nacidos totales/camada 12,48 12,73 12,97 Nacidos muertos/camada - - 1,03 Destetados/camada 10,12 10,31 10,52 Repeticiones (%) 18,3 16,8 15,5 IDC (Intervalo destete 1ª cubrición) 6,6 6,3 6,1 IDCF (Intervalo destete cubrición fértil) 10,2 9,7 9,1 Edad al destete (días) 23 23 23 Partos/cerda presente y año 2,09 2,07 2,05 Reposición (%) 47,2 47,0 45,2 Transición n (lechones salidos)* - 8.000.000 9.250.000Peso inicial 6,0 6,0 6,0 Peso final 18,0 18,0 18,0 % mortalidad 3,34 3,3 3,2 IC (índice de conversión) 1,74 1,72 1,69 Kg de pienso consumido/cerdo 20,5 20,29 19,96 Ganancia media diaria (g/día) - 282 284 Duración media (días) - 41,8 41,6 Engorde n (cerdos salidos)* - 11.337.775 12.475.503Peso inicial 18,0 18,4 18,3 Peso final 105,0 105,7 105,0 % mortalidad 5,1 4,1 3,7 IC (índice de conversión) 2,70 2,67 2,66 Kg de pienso consumido/cerdo 232,3 231,9 229,2 Ganancia media diaria (g/día) - 649 662 Duración media (días) - 134,0 131,5
Adaptado del Observatorio del porcino (2012). *Los índices se refieren a más del 20% de todas las reproductoras españolas y su descendencia.
Según el último informe del Observatori del Porcí (2012), en 2011 hubo un
incremento de 2,3% en la productividad con respecto al año anterior; debido principalmente
a un aumento tanto del número de lechones nacidos vivos como de los destetados por parto.
En cuanto a la fase de engorde, se observa a lo largo de los últimos años una constante
15
mejora en los principales índices productivos, principalmente respecto al porcentaje de
mortalidad y el índice de conversión que descendieron respectivamente un 27,5 y 1,5%
entre 2009 y 2011.
2.1.2. Margen de beneficio y costes de producción
El margen de beneficio se define como la diferencia entre el precio de venta y el coste
de producción o, más académicamente, la diferencia entre ingresos y gastos en un
determinado ejercicio económico. Dentro del sector carne de porcino, en el último medio
siglo se ha producido una reducción continuada del margen de beneficio destinado al
subsector de producción (desde el 50% en los años 70 a menos del 25% durante la primera
década del siglo XXI), que se ha trasladado al principio a los mataderos y posteriormente al
subsector de la distribución y venta (USDA, 2003).
El subsector de producción trabaja actualmente con márgenes muy estrechos que
determinaron por ejemplo pérdidas medias por cerdo engordado de entre 11 y 12 euros
durante los años 2007 y 2008, con valores máximos de 30 euros/cerdo en otoño de 2007
(SIP consultors, 2011c). La situación mejoró ligeramente en 2009 y 2010 y empeoró de
nuevo (pérdidas medias de 3 euros/cerdo) en 2011 (SIP consultors, 2011c). Esta situación
se ha debido en gran medida al aumento del coste de los piensos como consecuencia del
alza de precios de las principales materias primas (Figura 2.5). La diferencia entre los años
2007 y 2008 y el 2011 radica en que en este último caso aumentó el precio de venta del
cerdo engordado y hubo una ligera tendencia a la reducción de los costes fijos (SIP
consultors, 2011c).
16
Figura 2.5. Media anual del precio de los piensos de lechones, cerdos en crecimiento y
engorde y cerdas reproductoras durante el período 2006-2011. Adaptado del DAAM
(2012).
En cualquier caso, para aumentar el margen de beneficio, el subsector de producción
ha de centrarse fundamentalmente en optimizar los costes de producción dado que el precio
de venta del cerdo se fija en lonja por consenso entre los distintos agentes del sector.
Además, a diferencia de otros países, en España el precio de lonja no es de garantía sino
orientativo y casi siempre suele ser algo más alto que el precio real que percibe el ganadero.
Durante el año 2011 el coste de producción de un cerdo de 105 kg en España fue de
125 €. Del total, el 77% fueron costes variables y el 23% costes fijos. Además, la
alimentación representó una fracción elevadísima de los costes variables (91%) y de estos
el 75% fueron de pienso durante el crecimiento y engorde. En cuanto a los costes fijos, la
partida más representativa fue la mano de obra con un 35% (Observatori del Porcí, 2012).
En la Figura 2.6 se muestran más detalles de las diferentes partidas de coste.
33.56
39.1536.80
31.1633.37
37.92
19.89
23.4025.93
20.6022.54
27.77
19.22
23.0925.98
20.4222.10
27.53
10
15
20
25
30
35
40
45
2006 2007 2008 2009 2010 2011
€/ 1
00 k
g
Lechones Cerdos crecimiento y engorde Cerdas reproductoras
17
Según SIP Consultors (2012), durante la fase de crecimiento y engorde, alrededor de
82,0% del coste es de alimentación, el 15,7% son costes fijos y de integración y el 2,3% se
gasta en medicación (Figura 2.7).
Figura 2.6. Distribución de costes de producción de un cerdo de 105 kg en España durante
el año 2011. Adaptado del Observatori del porcí (2012).
Costes variables77%
Costes fijos23%
Alimentación91%
Reproducción1%
Reposición2%
Medicamentos6%
Gestación10%
Lactación5%
Transición10%
Engorde75%
Mano de obra35%
Amortizaciones/ alquileres
26%
Energia13%
Otras8%
Mantenimiento7%
Financieras7%
Purines4%
18
Figura 2.7. Distribución de costes en la fase de crecimiento y engorde en España durante
2011. Adaptado de SIP Consultors (2012).
Según un informe publicado por SIP Consultors (2010), la distribución del coste de
producción en España difiere del resto de los países europeos productores de porcino.
España presenta costes variables más altos que la mayoría de los países de nuestro entorno
(alrededor de 0,10 € más caro por kg de cerdo producido), debido a un mayor coste de
alimentación derivado tanto de la dependencia exterior en el abastecimiento de materias
primas como de la logística de aprovisionamiento centrada en la existencia de demasiados
puntos de entrada (fundamentalmente puertos de mar) y el transporte mayoritariamente
realizado por carretera. Por el contrario, España presenta unos costes fijos inferiores (entre
0,10 y 0,15 € más bajos) que nos permiten ser competitivos.
En definitiva, la fase de crecimiento y engorde representa las tres cuartas partes de los
costes de producción del cerdo a matadero y conocer y, si es posible, cuantificar los
factores que condicionan los rendimientos productivos durante esta fase puede ayudar a
jerarquizar los problemas, tomar decisiones y, así, optimizar los costes de producción y
aumentar el margen de beneficio.
Alimentación82,0%
Fijos + Integración
15,7%
Medicamentos2,3%
19
2.2. Factores que afectan los rendimientos productivos durante el engorde
2.2.1. Genética y peso al sacrificio
Las características genéticas están directamente relacionadas con los rendimientos
productivos de los cerdos al marcar su potencial de crecimiento magro, su precocidad o su
capacidad máxima de ingestión de alimento. Además, el potencial genético está
directamente relacionado con el tipo comercial de cerdo producido y, consecuentemente,
con el peso óptimo al sacrificio.
En España, la producción de cerdos, excluyendo el ibérico, incluye tres “tipos” de
cerdos comerciales. Cerdo “de verdeo” que se comercializa con bajo peso (máximo 95 kg)
y se asocia a la utilización como finalizador de una línea genética que ofrezca una canal con
alta deposición magra y mínimo contenido en grasa (ej: Pietrain) (Michalska et al., 2004).
Cerdo “industrial¨ sacrificado entre 100 y 110 kg de peso vivo y que se asocia a genéticas
llamadas ¨blancas¨ como por ejemplo finalizadores Large White o Landrace o también
algunos cruces de hembras de estas razas con Pietrain. En el lado opuesto, el cerdo
“pesado” o “jamonero” (entre 120-130 kg) está asociado a líneas genéticas que produzcan
animales con mayor nivel de grasa en general e intramuscular en particular siendo la raza
Duroc la más conocida y utilizada (Plastow et al., 2005).
Los troncos raciales más utilizados en España para obtener las cerdas híbridas y los
machos finalizadores son sin duda el Large Withe y Landrace en distintas proporciones
como línea madre y Pietrain, Landrace y Duroc como línea padre. Con todo también
existen experiencias más minoritarias donde por ejemplo se introduce porcentajes variables
de sangre Duroc en la línea materna o se utilizan líneas paternas menos conocidas como la
Berkshire; en ambos casos se persigue fundamentalmente mejorar la calidad de la carne.
20
Tabla 2.2. Principales características observadas en los diferentes tipos de cerdos
engordados en España (J. Coma, comunicación personal).
Tipo de cerdo
Peso sacrificio
Macho finalizador
Castrado IC GMD Confor. Producto final
Verdeo 90-95 Lw x Pi No ++++ ++ +++ Charcutero Cocidos
Industrial 100-110 Lw x Pi Lw Lw x Du
Si / No +++ (NC) ++ (C)
+++ ++ Charcutero Curados
Pesado > 120 Du Si + ++ + Jamonero Curados
LW – Large White; Pi – Pietrain; Du – Duroc; NC - No castrado; C – Castrado; IC – Índice de conversión; GMD – Ganancia media diaria de peso; Confor. – Conformación.
En las últimas décadas, se han obtenido avances importantes en la mejora genética de
los animales de cebo; el objetivo principal ha sido disminuir la proporción de tejido graso y
aumentar la de tejido magro en la canal y, consecuentemente, mejorar el índice de
conversión (Gispert et al., 1997).
Estas genéticas, que producen canales bien aceptadas para el consumo en fresco,
tienen el inconveniente bien de presentar un nivel insuficiente de grasa intramuscular, que
se relaciona directamente con la calidad sensorial de la carne, o bien de depositar escasa
grasa de cobertura, parámetro muy importante para conseguir la correcta curación de piezas
nobles como el jamón. En este sentido, en los últimos años se observa una tendencia a
aumentar el peso al sacrificio de los animales para intentar compensar estas dificultades
(Cisneros et al., 1996). En efecto, con el aumento del peso al sacrificio se puede mejorar la
deposición de grasa de cobertura (Latorre et al., 2004) y algunas características
organolépticas de la carne como el sabor, la terneza y la jugosidad (Piao et al., 2004),
21
debidas en gran medida a la mayor cantidad de la grasa intramuscular presente en la carne
(Hugo et al., 1999).
De hecho, cuando el cerdo se destina a la producción de jamones curados, existe la
tendencia a sacrificarlos con un mayor peso dado que se precisa una cantidad mínima de
grasa de cobertura e intramuscular en la carne para garantizar su procesado (Latorre et al.,
2004). Para ello se suele elegir un macho finalizador Duroc, por presentar características
intermedias de calidad de canal y tener una mayor deposición de grasa intramuscular
(Plastow et al., 2005). Sin embargo, el hecho de sacrificar animales con mayor peso
empeora la eficiencia alimenticia (Cisneros et al., 1996; Latorre et al., 2004) debido a la
menor capacidad relativa de deposición de proteína (músculo) y mayor de grasa.
En un estudio realizado por Edwards et al. (2006) se compararon los rendimientos
productivos de cerdos oriundos Pietrain y Duroc y se observó que los Duroc presentaron
mayores pesos en la semana 26ª, mayor espesor de grasa dorsal y mayor ganancia media
diaria entre la semana 10ª y 26ª comparado con los Pietrain. Affentranger et al. (1996)
también obtuvieron peor índice de conversión en cerdos entre 25 y 103 kg de la raza Duroc
comparado con la raza Pietrain (2,75 vs 2,59 respectivamente).
En definitiva se puede concluir que la genética del cerdo se elige en función del tipo
de producto que se pretende producir y que las características genéticas de los animales
condicionarán la edad y el peso al sacrificio y, consecuentemente, el proceso productivo
global y muy especialmente en el periodo de engorde.
2.2.2. Sexo
Como ocurre con la genética, el sexo de los animales, en el sentido de género,
también tiene relación con el peso final del cerdo y con el tipo comercial producido.
22
Genéricamente se suelen contemplar hasta tres sexos: machos enteros, machos castrados y
hembras. Por tanto habrá granjas que alojarán bien un único sexo o bien una mezcla de
hembras con machos enteros o castrados.
Según una encuesta de PIGCAS (2008), en la mayoría de países europeos se castran
el 80-100% de los cerdos machos. Las excepciones son Portugal (alrededor del 12%),
España (aproximadamente el 33%) y Reino Unido e Irlanda donde apenas se castra. La
mayoría de países realizan la castración a los 3-7 días de edad. La castración suele estar
directamente relacionada con el peso al sacrificio y tiene por objeto eliminar o minimizar el
riesgo de olor sexual de la carne (Diestre et al., 1990); los países que no castran suelen
sacrificar los cerdos a pesos inferiores y edades más jóvenes.
La Tabla 2.3 incluye resultados de diferentes estudios que evaluaron las principales
diferencias entre sexos/géneros. Según Medel y Fuentetaja (2001) y Augspurger et al.
(2002), el potencial de crecimiento de los machos castrados presenta valores iguales o
superiores a los machos enteros y siempre mayores que las hembras (Cisneros et al., 1996;
Augspurger et al., 2002). Además los machos castrados registran un mayor consumo y
presentan peor índice de conversión que las hembras que a su vez convierten peor que los
machos enteros (Morales et al., 2010).
Estas diferencias en eficiencia productiva se explican debido a que los machos
castrados son más precoces, llegan antes a la pubertad que las hembras y machos enteros,
alcanzan antes el máximo potencial de crecimiento magro y el excedente de consumo de
energía se utiliza en mayor proporción para la deposición de grasa (Quiniou et al., 1999).
23
Tabla 2.3. Efecto del sexo/género sobre los parámetros productivos y algunas
características en la canal del cerdo.
Estudio Trat. DUR CMD GMD G:C IC EG AL
Cisneros et al. (1996) (1) Castrados (2) Hembras
- 5,5% (1)
- + 6,4%
(1) - -
+ 8,3% (1)
- 6,9% (1)
Dunshea et al. (2001) (1) Castrados (2) Machos
- +16,1%
(1) - -
+ 10,6% (1)
+ 22,9% (1)
-
Hamilton et al. (2003) (1) Castrados (2) Hembras
- +8,6%
(1) + 4,4%
(1) - 5,4%
(1) -
+15,3% (1)
- 2,2% (1)
Mc Cauley et al. (2003) (1) Machos (2) Hembras
- + 7,9%
(1) + 13,7%
(1) -
- 9,0% (1)
- -
Morales et al. (2010)
(1) Castrados (2) Machos
- + 10,6%
(1) - -
+ 10,6% (1)
+ 16% (1)
- 4,5% (1)
(1) Castrados (3) Hembras
- + 8,9%
(1) - -
+ 3,3% (1)
+ 14% (1)
- 4,5 (1)
(2) Machos (3) Hembras
- - - - + 7,5%
(3) - -
Turkstra et al. (2002) (1) Castrados (2) Machos
- -
- 5,4%
(1) - 6,1%
(1) - - -
Los valores en porcentajes corresponden al aumento o disminución de un determinado índice en relación al número del tratamiento que aparece entre paréntesis. Todas las diferencias presentadas en la tabla tuvieron una P < 0,05. Trat.: tratamientos. DUR: duración del período de crecimiento y engorde. CMD: consumo medio diario de pienso. GMD: ganancia media diaria de peso. G:C: relación ganancia de peso / consumo de pienso. IC: índice de conversión. EG: espesor de grasa dorsal. AL: área de lomo.
De hecho, el potencial de crecimiento magro suele ser mayor en los machos enteros
seguido de las hembras y de los castrados (Borja y Medel, 1998; Morales et al., 2010).
Quiniou et al. (1999) encontraron que durante el periodo de cebo (63 a 152 días de vida) los
machos castrados presentaron un mayor consumo medio diario de pienso que los machos
24
enteros (2,70 vs 2,41 kg/día) presentando un índice de conversión 14% mayor y
consecuentemente canales más grasas. En otro estudio más reciente de Morales et al.
(2010) comparando machos enteros, castrados y hembras observaron que durante el periodo
global de crecimiento y engorde (74 a 172 días de vida) los castrados registraron un índice
de conversión un 10,6% y 7,0% mayor que machos enteros y hembras, respectivamente.
Es importante señalar que, a nivel de granja, la genética y el sexo/género suelen ser
factores asociados, es decir, muy comúnmente para producir un cerdo tipo pesado, con
mayor deposición grasa, se utilizan machos finalizadores de genética Duroc y machos
castrados y hembras, mientras para producir cerdos de ¨verdeo¨ o ¨industrial¨ se utilizarán
preferentemente finalizadores de genética Pietrain, blanca o el cruce entre ellas y machos
enteros y hembras.
2.2.3. Trimestre de entrada de los animales
El periodo de crecimiento y cebo puede tener una duración de alrededor de 100 días
para cerdos de tipología “industrial” e incluso menos para cerdos “verdeo”, pero puede
superar los 150 días para cerdos “jamoneros”. Por ello, la época del año en que los animales
inician el periodo crecimiento y cebo y el periodo de permanencia en las granjas ejercen un
efecto importante sobre los parámetros productivos. Este efecto está asociado,
fundamentalmente, a la variación de las condiciones climatológicas entre las que destaca la
temperatura ambiente. Es de esperar que durante el 2º (primavera) y el 4º trimestre (otoño)
las condiciones climatológicas (principalmente la temperatura) sean más suaves que
durante el 1º y el 3º trimestres (invierno y verano respectivamente) donde el riesgo de
sobrepasar la temperatura crítica efectiva inferior y superior y sufrir estrés por frio o calor,
respectivamente, es más probable. Por otra parte, en naves mal acondicionadas, las
25
variaciones diarias de temperatura, que se dan en momentos concretos de la primavera y el
otoño, pueden ejercer un efecto determinante a la hora de contraer enfermedades
respiratorias (Goodwin, 1985). La Figura 2.8 muestra los valores medios de índice de
conversión corregido, para un peso entre 25 y 100 kg y piensos de 3.150 Kcal de EM, de
cerdos alojados en una granja experimental entre los años 1995 y 2001.
Figura 2.8. Influencia de la época del año sobre el índice de conversión de cerdos en
crecimiento-cebo. Adaptado de Santomá y Pontes (2004).
Gonyou et al. (2000) estudiaron el efecto de bajas temperaturas ambientales sobre los
parámetros productivos y la aparición de enfermedades en cerdos de crecimiento y cebo y
encontraron una reducción de la eficiencia alimentaria asociada a utilizar parte de la energía
del pienso para mantener la temperatura corporal. Estos resultados fueron confirmados por
Oliveira et al. (2009) que encontraron un mayor consumo de pienso y un aumento en la
mortalidad en los lotes de cerdos que permanecieron en el cebadero durante los meses más
fríos del año. En los meses de invierno se registró un mayor riesgo de contraer
enfermedades respiratorias, que los mismos autores atribuyen al hecho de que muy
2.30
2.35
2.40
2.45
2.50
2.55
Salidas verano
Salidas otoño
Salidas invierno
Salidas primavera
26
comúnmente, para controlar la temperatura interna de las naves, se mantienen las ventanas
cerradas y se reduce el ritmo de ventilación, aumentando las concentraciones de gases
nocivos para los animales. También, Maes et al. (2004) encontraron una mayor mortalidad
en cerdos mantenidos en el cebadero durante los meses de invierno comparado con otras
épocas del año.
Por otra parte, otros estudios reflejan una reducción de la eficiencia productiva de los
cerdos durante los meses más calurosos del año. Schoder et al. (1993) y Maes et al. (2001)
observaron un aumento de la mortalidad en cerdos durante los meses de verano con un
máximo en el mes de septiembre. En la Tabla 2.4 se presentan distintos estudios que
evaluaron los rendimientos productivos de cerdos sometidos a diferentes temperaturas
ambiente.
Aunque la temperatura ambiente es el factor climático que suele ejercer un mayor
efecto sobre los rendimientos productivos, no es el único y otros componentes (Huynh et
al., 2005) como la variación de la humedad relativa o la velocidad del aire, muy
comúnmente asociados a la temperatura, también pueden afectar los resultados.
En definitiva, controlar las condiciones ambientales en el interior de las naves, y más
concretamente mantener las variaciones de temperatura dentro del intervalo de neutralidad
térmica de los animales, contribuye a optimizar los rendimientos productivos. Este control
resulta más fácil obtenerlo en naves bien aisladas y se ejerce eligiendo el programa de
ventilación más adecuado para cada región o zona geográfica.
27
Tabla 2.4. Efecto de la temperatura ambiente sobre los parámetros productivos de cerdos
en crecimiento y engorde.
Estudio Tratamientos CMD GMD G:C MORT
Le Bellego et al. (2002) (1) 22 ºC (2) 29 ºC
- 15% (2)
- 13% (2)
- -
Fagundes et al. (2009) (1) 17.6-26.6 ºC (2) 22.5-33.2 ºC
- 16,6% (2)
- 12% (2)
- -
Hyun et al. (1998a) (1) 24 ºC (2) 28-34 ºC
- 8,7% (2)
- - -
Maes et al. (2004)*
(1) Jan-Feb-Mar (2) Abr-May-Jun (3) Jul-Ago-Sep (4) Oct-Nov-Dic
- - - + 10,3%
(4)
White et al. (2008) (1) 23,9 ºC (2) 32,2 ºC
- 31% (2)
- 46,4% (2)
- 17,9% (2)
-
Los valores en porcentajes corresponden al aumento o disminución de un determinado índice en relación al número del tratamiento que aparece entre paréntesis. Todas las diferencias presentadas en la tabla tuvieron una P < 0,05. * Los animales fueron alojados en uno de los trimestres asignados. CMD: consumo medio diario de pienso. GMD: ganancia media diaria de peso. G:C: relación ganancia de peso / consumo de pienso. MORT: mortalidad.
2.2.4. Estructura del engorde y origen de los animales
El ciclo productivo del porcino comercial se divide en dos subciclos, de una parte las
cerdas y de otra los lechones. El ciclo de las cerdas, se refiere a recría, gestación y lactación
y el de los lechones a la transición y el crecimiento y cebo.
De este modo, las granjas porcinas pueden presentar diferentes formas de
organización. Cuando todos los grupos de animales se encuentran en una misma granja
(diferentes edificios o alojamientos pero misma localización geográfica) se dice que la
granja presenta un sistema productivo de ¨ciclo cerrado¨; sistema muy popular en el pasado
y que todavía es ampliamente utilizado. Sin embargo, en las últimas décadas en Estados
Unidos y en algunos países de Europa se ha popularizado el sistema de producción “en
28
fases” como alternativa al ciclo cerrado (Harris y Alexander, 1999). Este sistema de
producción se puede dividir en hasta tres fases siendo la fase o sitio uno (S1) la que incluye
el ciclo de las madres, fase o sitio dos (S2) la que incluye únicamente el período de destete-
transición y fase o sitio tres (S3) la que alberga los animales de crecimiento y cebo.
De este modo, las empresas porcinas pueden organizarse de distintas maneras
(Figura 2.9): a) la granja puede tener las tres fases en el mismo espacio físico (ciclo
cerrado = S1+S2+S3); b) presencia en una granja del sitio S1 y S2 y en otra granja del sitio
S3 (espacio físico diferente) o bien presentar en una granja el sitio S1 y en la otra los sitios
S2 y S3, el sistema “wean to finish” sería un buen ejemplo, o c) presentar cada sitio o fase
separadamente (multifases), o sea, cuando cada fase se encuentra en granjas diferentes.
La división de la producción en fases surgió como resultado de la concentración de la
producción en granjas con un elevado número de animales (para aprovechar las ventajas de
la economía de escala) y también intentando minimizar la transmisión de patógenos,
mejorando de esta forma la productividad y los rendimientos (Harris, 1988; Lawrence,
1996). Sin embargo, en la literatura se observan resultados muy variables. Clermont y
Désilets (1981) y Maes et al. (2004) evaluando los índices de mortalidad durante el
crecimiento y engorde encontraron valores superiores en granjas multifase que en granjas
de ciclo cerrado. Por otra parte, Gerber et al. (2009) evaluando el perfil serológico
encontraron que, en relación al ciclo cerrado, las granjas multifase tendieron a tener títulos
de anticuerpos contra el PCV2 más bajos en cerdas y más altos en el crecimiento y cebo.
29
Figura 2.9. Tipos y organización de las granjas en España.
Con todo, en los sistemas de producción “en fases”, la efectividad de las granjas de
crecimiento y engorde suele estar relacionada con el número de granjas S1 del que
provienen los cerdos alojados en una misma instalación de cebo, es decir, con el número de
orígenes del que provienen los animales.
Algunos autores estudiaron el efecto del número de orígenes o procedencias de los
animales alojados en cada granja de crecimiento y engorde como posible factor limitante de
los índices productivos del cerdo (Harris y Alexander, 1999; Maes et al. 2000; Maes et al.,
2004).
Está ampliamente documentado que mezclar animales de diferentes orígenes en un
mismo lote de crecimiento y cebo constituye un factor de riesgo que empeora de los índices
productivos (Backstrom y Bremer, 1976). Los animales de cada origen pueden presentar
diferentes tipos de patógenos y niveles inmunitarios, distintos “status” sanitarios, que se
comparten al ser mezclados en una mismo instalación (Maes et al., 2004).
S3
Producción en 1 fase
(ciclo cerrado)
S1
S2
GESTACIÓN LACTACIÓN
TRANSICIÓN
ENGORDE
Producción en 2 fases
GESTACIÓNLACTACIÓN
TRANSICIÓN
ENGORDES3
S1
S2
Producción en 3 fases
(multifases)
GESTACIÓN LACTACIÓN
TRANSICIÓN
ENGORDE S3
S1
S2
30
De este modo, cuando se llena un cebadero con animales de distintos orígenes, se
aumentan los factores de riesgo relacionados con la aparición de enfermedades respiratorias
(Hurnik et al., 1994; Maes et al., 2000) y gastrointestinales (Yanga et al., 1995), que
producen un aumento de la mortalidad en la fase de crecimiento y engorde (Maes et al.,
2000). Las pérdidas por mortalidad durante este periodo son especialmente elevadas dado
que desaparece la inversión realizada durante todos los periodos precedentes (Holden,
1991).
Maes et al. (2004) evaluaron distintos factores de riesgo de mortalidad en cerdos de
crecimiento y cebo y observaron que el número de orígenes de los cerdos fue el factor más
asociado a la mortalidad, y los lotes con animales de un único origen los que registraron
menores mortalidades. Además, por lo general, un aumento en la mortalidad también se
refleja en el empeoramiento de otros parámetros productivos como el índice de conversión,
el consumo de pienso y los días medios de estancia en el cebadero.
Por tanto, no parece suficientemente demostrado que los crecimientos y engordes de
un sistema de producción en fases ofrezcan mejores rendimientos productivos que aquellos
provenientes de un ciclo cerrado y que cuando se trabaja en fases es especialmente
importante que los cerdos procedan del mimo origen (misma S1) o bien de orígenes
(distintas S1) con “status” sanitarios iguales o muy similares.
2.2.5. Factores sanitarios
La aparición de enfermedades en las granjas muy comúnmente está relacionada no
solo con la presencia del/los agente/s causal/es sino también con otros factores de
producción que pueden actuar de forma predisponente. Entre estos factores destaca el
manejo, las instalaciones, la nutrición o el rigor de aplicación de las medidas de
31
bioseguridad. En cualquier caso, los tratamientos terapéuticos son bastante comunes en los
cebaderos, en especial tras la prohibición del uso de los antimicrobianos promotores de
crecimiento en enero de 2006. Comúnmente, se utilizan antibióticos, de forma preventiva o
curativa, para resolver posibles problemas sanitarios que comprometen los rendimientos
productivos. Los preparados antibióticos se ofrecen a los animales por tres vías: el pienso,
el agua de bebida o de forma inyectable. Cuantificar la frecuencia de utilización de
antibióticos podría ser un índice indirecto del estado sanitario del rebaño y estar
inversamente relacionado con algunos parámetros productivos (Miller et al., 2003).
Con la intensificación del sistema productivo de los últimos decenios, se han
mantenido, surgido o reaparecido enfermedades causantes de serios problemas como es el
caso del circovirus, la enfermedad de Aujeszky, PRRS, micoplasma o la ileítis. Según
Martinez et al. (2007), los problemas respiratorios y los digestivos son los más importantes
en cerdos de cebo y Maes et al., 2000 señalan que causan importantes pérdidas económicas
no solamente derivadas de la mortalidad y los costes de medicación sino que además
afectan negativamente a los parámetros productivos.
Aunque en ningún caso se pretende revisar en profundidad el efecto de las distintas
enfermedades sobre los rendimientos productivos y económicos de los cerdos durante el
crecimiento y cebo, sirva como ejemplo el caso del Aujeszky, circovirus y micoplasma.
En cuanto a la enfermedad de Aujeszky, muchos países europeos, incluyendo España,
establecieron programas para su erradicación (Martinez-López et al., 2009). Según el
APHIS (1999), el coste anual del Aujeszky en EEUU es de aproximadamente U$ 30
millones. En este sentido, la vacuna es la forma más efectiva para su control y en el
crecimiento y engorde normalmente se la utilizan en dos dosis (Martinez et al., 2007). Los
32
últimos autores encontraron una reducción en el crecimiento y en la eficiencia alimentaria
en cerdos en crecimiento y cebo con alta seroprevalencia de esta enfermedad.
El circovirus fue primeramente descrito en España en 1997 y está presente en casi el
100% de las granjas (Sibila et al., 2004). En EEUU, representa un coste medio de 3,0 a 4,0
U$ por cerdo con picos que pueden llegar a los 20,0 U$ (Gillespie et al., 2009). En los
últimos años, con la aparición de las vacunas, se ha tendido a reducir los daños causados
por la enfermedad (Fenaux et al., 2004; Henry y Tokach, 2006) siendo estas normalmente
administradas durante la fase de crecimiento (Beach y Meng, 2012). En un estudio llevado
a cabo por Jacela et al. (2011) utilizando dos dosis de una vacuna comercial durante el
crecimiento y cebo (9 y 11 semanas de edad) observaron una reducción del 47% en la
mortalidad y un aumento del 3,4% en la ganancia de peso y del 1,5% en la relación
ganancia/consumo.
El M. hyopneumoniae, está considerado como el principal agente etiológico del
complejo respiratorio porcino estando presente en granjas de todo el mundo (Thacker et al.,
2006). Lawhorn (1998) afirmó que el coste estimado de la infección por M. hyopneumoniae
en granjas comerciales americanas fue de 4,08 U$ /cerdo. En este sentido, en muchos
países, la vacunación se aplica en más de 70% de las granjas (Maes et al., 2008). Según
estos autores, con el uso de las vacunas comerciales se puede incrementar la ganancia de
peso (2,0 a 8,0%), mejorar el índice de conversión (2,0 a 5,0%) y en algunos casos incluso
reducir la mortalidad. Diferentes programas de vacunación pueden ser adoptados en la
granja dependiendo del sistema de producción de la granja, manejo, patrón de la infección y
preferencias del granjero. Sin embargo, dado que la infección puede ocurrir ya en las
primeras semanas de edad, la vacunación de los lechones en el destete o transición es lo
más habitual (Sibila et al., 2007).
33
Finalmente, en la Tabla 2.5 se muestra, a partir de un estudio llevado a cabo por
Dionissopoulos (1997), la influencia genérica del estado sanitario de la granja sobre
algunos parámetros productivos.
Tabla 2.5. Influencia del estado sanitario de granjas porcinas sobre los rendimientos
productivos de cerdos en crecimiento y cebo (los valores entre paréntesis indican
diferencias relativas con respecto al grupo control).
Estado sanitario
LP Muy bueno De alto riesgo
Consumo de pienso (kg/día) 2,24 2,22 (-1,3%) 1,92 (-14,7%)
Ganancia de peso (kg/día) 0,921 0,872 (-5,3%) 0,723 (-21,5%)
Índice de conversión 2,42 2,55 (-5,4%) 2,67 (-10,3%)
Adaptado de Dionissopoulos (1997). LP: libre de patógenos. Muy Bueno; convencional con alto estatus sanitario. De alto riesgo: bajo estatus sanitario y mezcla de distintos orígenes.
2.2.6. Alimentación
La alimentación es sin duda uno de los factores de producción que más contribuye a
alcanzar los índices productivos potenciales del cerdo. El aspecto posiblemente más
importante sea conseguir el mejor ajuste entre la composición y el valor nutritivo del pienso
a las recomendaciones nutritivas del animal. En este sentido se dispone de información
adaptada a las condiciones españolas (FEDNA, 2006, 2010) cuya utilización está bastante
generalizada a nivel comercial. Con todo, la información de las tablas es tan solo una guía
que en cada caso particular el nutricionista tendrá que adaptar a las condiciones de
producción concretas de su empresa.
34
Factores como el número de piensos utilizados en cada fase o el momento que se
cambia de un pienso a otro (Han et al., 2000) o confeccionar piensos diferentes por género
(machos, hembras y castrados) (Hill et al., 2007) contribuyen a optimizar la alimentación.
Otros aspectos que resultan de interés son la forma física de presentación del pienso; harina
o granulo (Mößeler et al., 2010), la práctica de la alimentación líquida (Missotten et al.,
2010) o el manejo del pienso en granja asociada al tipo de comedero y a las pérdidas de
pienso por desperdicio (Magowan et al., 2008).
Además, el agua de bebida es un factor clave dentro de la alimentación,
principalmente en relación a su calidad física, química y/o biológica, su origen y si sufre
algún tratamiento antes de ser consumida.
Algunos de estos aspectos serán ampliados en las próximas páginas.
2.2.6.1. Contenido en energía y nutrientes del pienso
El contenido en energía y nutrientes como proteína, aminoácidos, minerales o
vitaminas son propiedades esenciales de los piensos dado que proporcionan los elementos
para el mantenimiento de los animales y la síntesis de musculo, grasa, huesos y otros
componentes (Pomar et al., 2009).
Según Borja y Medel (1998), es bastante común en condiciones prácticas que el
nutricionista tenga dificultades para obtener de forma precisa tanto los requerimientos de
los animales como el ajuste de las características de las diferentes dietas para satisfacer
dichos requerimientos. Los requerimientos están afectados fundamentalmente por factores
relacionados con el animal (potencial productivo, edad, peso, sexo e incluso nivel de
engrasamiento) (Quiniou y Noblet, 1999), pero también con factores ambientales
(condiciones climáticas, características de las instalaciones o densidad de animales) o
35
ligados a las características sanitarias de la granja (Borja y Medel, 1998). Por otra parte, la
disponibilidad y variabilidad de composición química y nutritiva de las materias primas o
ingredientes que constituyen los piensos, en especial cuando son subproductos e
ingredientes no convencionales, además de las condiciones de fabricación, forma de
presentación y administración, determinan variaciones importantes del valor nutritivo de
los piensos y contribuyen a elevar el grado de incertidumbre del proceso.
En la Tabla 2.6 se muestran las recomendaciones de energía, proteína y lisina para
piensos de cerdos en crecimiento-cebo según FEDNA (FEDNA, 2006) y la propia FEDNA
en su publicación de 2010 (FEDNA, 2010) ofrece información sobre el valor nutritivo y
condiciones de utilización de casi 150 materias primas con más de 270 ingredientes;
también se incluye información sobre normas de calidad, técnicas de análisis y legislación
aplicable (http://www.fundacionfedna.org/).
Tabla 2.6. Recomendaciones en energía, proteína y lisina para piensos de cerdos en
crecimiento y cebo.
Peso vivo (kg)
18-20 20-60 60-100 > 100
Energía metabolizable (Kcal/kg) 3130 3260 3200 3200
Energía neta (Kcal/kg) 2230 2310 2280 2280
Proteína bruta (%) 16,5-17,5 16,5-18,0 15,0-17,0 13,5-15,0
Lisina total (%) 1,10 1,03-1,071 0,86-0,921 0,74
Lisina digestible verdadera (%) 0,91 0,86-0,90 0,72-0,76 0,60
Adaptado de las normas FEDNA (2006). 1 Dependerá de la genética. En caso de duda, utilizar los niveles superiores.
36
Según O´Connel et al. (2005) y como muestra la Tabla 2.6, las necesidades en
proteínas y aminoácidos son proporcionalmente más elevadas en el animal joven y
disminuyen paulatinamente a medida que aumenta la edad. Conforme aumenta la edad y el
peso el animal alcanza el máximo potencial de crecimiento magro y de retención de
proteína para posteriormente aumentar la deposición de tejido graso (De Greef y Verstegen,
1993). Dado que el valor energético del pienso se mantiene constante o tiende a aumentar
ligeramente con el peso del animal (Tabla 2.6), la relación proteína y lisina / energía en el
pienso es mayor al principio del crecimiento y disminuye gradualmente hasta el final de
cebo (Leek, 1999).
Tradicionalmente se asume que las necesidades de minerales y vitaminas se
satisfacen complementando los aportes de las materias primas con materiales inorgánicos
para los macrominerales (ej: carbonato cálcico, fosfato bicálcico u óxido de magnesio…) y
con la inclusión de una pequeña proporción de corrector vitaminíco-mineral para los
microminerales y vitaminas. En este sentido el NRC (2012) realiza algunas modificaciones
importantes en relación a su publicación de 1998, principalmente en cuanto a los valores de
biodisponibilidad del fósforo, intentando reducir su excreción en el ambiente.
Un aspecto de sumo interés y que añade incertidumbre al proceso es la ingestión. Los
cerdos en crecimiento y cebo, salvo excepciones, consumen el pienso “ad libitum” y se
supone que el consumo voluntario viene gobernado principalmente por el hecho de
satisfacer los requerimientos de energía del animal (NRC, 1998). También, el contenido en
proteína y el balance de aminoácidos como la lisina pueden repercutir en el consumo de
pienso, aunque en menor medida que la energía (Henry et al., 1996). Intentar obtener una
predicción suficientemente precisa del consumo real de pienso por los animales en
37
crecimiento y cebo, posiblemente, sea el primer factor a tener en cuenta para mejorar el
proceso de alimentación a nivel de granja.
En definitiva, las desviaciones e imprecisiones que se cometan durante el proceso de
alimentación ya sea en la formulación (estimación inadecuada de los requerimientos o del
valor nutritivo de las materias primas), confección, administración e ingestión real del
pienso por los animales, contribuirán a reducir la eficiencia biológica y económica del
proceso. Por ello, optimizar la alimentación se convierte en un feed-back constante entre el
nutricionista y los diferentes eslabones de la cadena del pienso, incluido el granjero.
2.2.6.2. Numero de piensos
Sin olvidar que cuando se formula un pienso se suele utilizar un margen de seguridad
al alza en el nivel de nutrientes para satisfacer las necesidades de la mayoría de la población
(Lenis, 1989; Santomá, 1994; Han et al., 1998), la práctica del sistema de alimentación en
fases está bastante consolidada en porcinos y tiene como objetivo ajustar de forma más
precisa los requerimientos nutricionales del animal durante su crecimiento y engorde a
través del uso de diferentes piensos, con objeto de optimizar los rendimientos productivos y
reducir costes. En teoría la administración de un mayor número de piensos, diferentes en
composición, durante el periodo de crecimiento y engorde ha de mejorar la eficiencia del
proceso. Según Pomar et al. (2009), la tecnología actual permite diseñar, e incluso
implementar a nivel de granja, programas de alimentación capaces de ajustar la cantidad
correcta de pienso a las necesidades diarias de los cerdos (Figura 2.10).
Este planteamiento, además, minimiza la excreción de nutrientes al medio ambiente,
en especial nitrógeno y fósforo, (Garry et al., 2007). En un estudio llevado a cabo por
Boisen et al. (1991) se demostró que, además de mejorar los rendimientos productivos, la
38
excreción de nitrógeno se puede reducir hasta un 8% con la utilización de cuatro piensos en
lugar de solamente dos. También, Lee et al. (1993) recomendaron que tres o cuatro piensos
utilizados en el crecimiento y cebo reduce la excreción de minerales en las heces.
En cualquier caso, a nivel práctico no es fácil implementar programas de crecimiento
y engorde que incluyan más de tres o cuatro piensos por dos motivos: 1) la logística de
preparación del pienso a nivel de fábrica y/o de transporte hasta las granjas no es simple;
solamente empresas con un volumen grande de producción podrán hacer un uso eficiente
de más de tres o cuatro piensos y 2) por cuestiones estrictamente económicas al evaluar el
binomio coste-riesgo.
Figura 2.10. Concentración de nutrientes en piensos de cerdos de crecimiento y engorde de
acuerdo con un sistema diario, con tres y diez piensos. Adaptado de Pomar et al. (2009).
En un trabajo llevado a cabo en EEUU (Coffey, 2008) evaluando las diferencias en
los costes al pasar a utilizar de dos a doce piensos en el crecimiento y engorde se observó
que es posible ahorrar hasta 1,00 €/cerdo al pasar de dos a tres piensos. Sin embargo, el
Peso vivo
Req
uer
imie
ntos
de
nu
trie
nte
s (g
/MJ)
Diario 3 fases 10 fases
39
ahorro al pasar de tres a cuatro piensos se hace ya muy pequeño (0.35 €/cerdo) con una
reducción gradual en el ahorro conseguido al pasar de cuatro a cinco (0.25 €/cerdo) y así
sucesivamente hasta el 12º.
Por otra parte, también es cierto que el número de piensos de crecimiento y engorde
dependen muchas veces de factores como los pesos de entrada y salida de los animales y,
consecuentemente, el tiempo de permanencia de los cerdos en la nave. El tamaño de la
granja (número de cerdos alojados) es otro factor determinante; empresas y granjas más
grandes y homogéneas suelen utilizar un mayor número de piensos en crecimiento y cebo
debido principalmente a una mayor facilidad logística (Figura 2.11).
Figura 2.11. Relación entre el número de piensos administrados en crecimiento y engorde
y el tamaño de las granjas. Adaptado del NAHMS (1995).
05
10152025303540
1 2 3 4 5 6 ó más
Número de piensos
Más de10000 2000-9999 Menos de 2000
40
En definitiva, conforme aumenta el número de piensos diferentes administrados
durante el periodo de crecimiento y cebo existe en teoría un potencial de mejora de los
rendimientos productivos de los animales y de reducción de la contaminación ambiental por
deyecciones. Sin embargo en la práctica el número de piensos utilizados suele variar entre
dos y cuatro por motivos tanto logísticos como económicos.
2.2.6.3. Forma física del pienso
La forma de presentación del pienso puede afectar a los rendimientos productivos del
cerdo en crecimiento y cebo. En este sentido, lo más habitual es administrar los piensos
secos y en forma de harina o granulado (pellet), aunque en los últimos años también ha
recibido especial atención la alimentación en forma líquida.
En la bibliografía existen suficientes evidencias a respecto de la influencia de la
forma física de los piensos en los rendimientos productivos. En condiciones experimentales
Rantanen et al. (1995) y van Heugten et al. (1997) mostraron que piensos en pellets se
utilizaron más eficientemente que piensos en harina al mejorar el índice de conversión y la
ganancia media diaria de peso, además de reducir la excreción de nutrientes en las heces
por un incremento en la digestibilidad. De acuerdo con Schell y van Heugten (1998), la
mejora del índice de conversión con el granulado puede variar entre un 4 y un 6% con
respecto a la harina.
La utilización de alimentación en forma líquida para el porcino ha surgido como una
vía para reducir los costes de producción, especialmente si en el proceso se utilizan
coproductos generados por la industria agroalimentaria (Scholten et al., 2002). En este
sentido, la utilización de subproductos agroalimentarios puede contribuir a reducir los
costes de alimentación entre un 10 y un 25 % (Scholten et al., 2000; Palomo, 2007;
41
Rodríguez-Estévez et al., 2007). Según Canibe et al. (2003), la alimentación liquida puede
tener dos versiones; ¨no fermentada¨ (definida como la mezcla de alimento y agua
inmediatamente antes de la alimentación) y ¨fermentada¨ (definida como la mezcla del
alimento y del agua en un tanque a cierta temperatura y durante un cierto periodo de tiempo
antes de la alimentación). Este sistema de alimentación está bastante consolidado en países
como Alemania, Francia, Holanda, Bélgica e Dinamarca donde se estima que más del 60%
de los cerdos de engorde son alimentados con alimentos líquidos (Lizardo, 2004). Sin
embargo, los inconvenientes de este tipo de alimentación son los altos costes de compra y
mantenimiento de las instalaciones y la demanda de personal preparado para utilizar un
sistema informático con un cierto grado de sofisticación. Si además se utilizan coproductos
el proceso se complica por la variabilidad de su composición y la estacionalidad de la
oferta.
Los resultados obtenidos en campo, son variables e incluso contradictorios en algunos
casos. Según Quémeré et al. (1988), el pienso granulado presenta ventajas en comparación
con el pienso en harina, como se ha comentado anteriormente. Sin embargo, cuando el
mismo pienso en harina se mezcla con agua y se oferta en forma líquida, los resultados son
similares a los del pienso granulado. En la Tabla 2.7 se presentan algunos estudios que
evaluaron los rendimientos productivos y la prevalencia de salmonella en cerdos de
crecimiento y engorde dependiendo de la forma física de presentación del alimento.
Como era previsible, las diferencias más notorias se observan en el índice de
conversión, con mejores valores en los piensos granulados (pellet) en comparación a
aquellos en harina y también a favor de los piensos líquidos en relación a los secos.
Además, entre los piensos líquidos, los que incluyen coproductos fueron más eficientes que
los en base a pienso solido y agua.
42
Tabla 2.7. Estudios que evalúan el efecto de diferentes formas físicas de presentación del
alimento sobre los parámetros productivos y la prevalencia de salmonella de cerdos en
crecimiento y engorde.
Estudio Tratamientos CMD GMD IC S
Farzan et al. (2006) (1) Pienso líquido (2) Pienso seco
- - - - 4,1 (1)
Jensen y Mikkelsen (1998)*
(1) Pienso líquido (2) Pienso seco
- + 4,4%
(1) - 6,9%
(1) -
Potter et al. (2010) (1) Pienso harina (2) Pienso pellet
- - - 5,3%
(2) -
Rantanen et al. (1995) (1) Pienso harina (2) Pienso pellet
- 6,3% (2)
- - 4,3%
(2) -
Scholten et al. (1997) (1) Pienso liquido (harina + agua) (2) Pienso liquido (coproductos)
- + 3,6%
(2) - 4,1%
(2) -
Yang et al. (2002)
(1) Pienso harina (2) Pienso pellet
- - - 6,0%
(2) -
(2) Pienso pellet (3) Pienso pellet roto
- - - 5,1%
(2) -
Los valores en porcentajes corresponden al aumento o disminución de un determinado índice en relación al número del tratamiento que aparece entre paréntesis. Todas las diferencias presentadas en la tabla tuvieron una P < 0,05. * Valores promedios obtenidos a partir de un comparativo entre 9 experimentos. CMD: consumo medio diario de pienso. GMD: ganancia media diaria de peso. IC: índice de conversión. S: prevalencia de Salmonella.
2.2.6.4. Importancia del agua de bebida
El agua es un elemento esencial para el cerdo (Vermeer et al., 2009). El agua ingresa
en el cuerpo bien a través de los alimentos (poca en el caso del porcino si exceptuamos la
alimentación líquida) y, mayoritariamente, es ofertada fresca en el bebedero. El agua que
no se retiene en el cuerpo (la mayor parte) lo abandona por las heces, la orina y la
respiración; una cantidad testimonial, dado que el cerdo apenas suda, lo hace a través de la
piel.
43
Desafortunadamente, demasiado a menudo no se da al agua la importancia que
merece, tanto por su cantidad como por su calidad, pudiendo ser responsable de problemas
productivos y/o patológicos en las granjas.
La importancia del agua se debe al hecho de ser el principal componente corporal,
siendo un 80% en el lechón al nacimiento y un 51% cuando éste tiene aproximadamente 90
kg de peso (Shields et al., 1983), y por estar implicada en innumerables procesos
metabólicos como en el ajuste de la temperatura corporal, mantenimiento de la homeostasis
mineral y excreción de productos del metabolismo (particularmente urea) (Brooks et al.,
1989; Kyriazakis y Savory, 1997).
A nivel productivo, la máxima ingestión de alimento en cerdos está muy relacionada
con una oferta de suficiente agua en cantidad y calidad (Barber et al., 1989). Según Carroll
(2003) y Patience y Engele (2005), son muchos los factores que hacen variar la ingestión de
agua (Tabla 2.8). Una inadecuada ingestión de agua se suele asociar a un reducido
consumo de pienso, una baja ganancia diaria de peso y, consecuentemente, un peor índice
de conversión.
Tabla 2.8. Factores que afectan el consumo ad libitum de agua.
Incremento del consumo Reducción del consumo Estrés por calor Estrés por frío Hambre Agua tibia o caliente Aburrimiento Agua muy salada Dieta alta en proteínas - Dieta alta en minerales - Agua moderadamente alta en minerales - Pienso en pellets -
Adaptado de Patience y Engele (2005).
44
Otro aspecto importante es la disponibilidad de agua para los animales, para procurar
que su consumo sea máximo. Normalmente los consumos medios diarios de agua en cerdos
en crecimiento y cebo, en condiciones de termoneutralidad, (Tabla 2.9) varían dependiendo
de su peso (Brumm et al., 2000).
Tabla 2.9. Requerimientos mínimos de agua en cerdos de crecimiento y engorde de
diferentes pesos, en condiciones de termo neutralidad y consumiendo un pienso
equilibrado.
Peso (kg) Consumo (litros/día)
15 a 20 2,5 a 3,0
20 a 50 3,0 a 4,0
50 a 100 5,0 a 7,0
Adaptado de Patience y Engele (2005).
Un aspecto cada vez más importante en porcicultura es la calidad del agua de bebida.
Según estudios llevado a cabo por Mejia et al. (2006) y Vico et al. (2011), granjas con
fuentes de agua que no eran provenientes de la red pública estuvieron asociadas con un alto
nivel de contaminación por Salmonella en cerdos de cebo, llevando a empeorar los
rendimientos productivos.
A nivel de granja, la calidad del agua depende, en gran medida, de su origen: si
procede de la red pública, en cuyo caso no suele causar problemas en los cerdos, o de otros
orígenes como pozos en la propia granja o directamente de ríos, lagos o manantiales
diversos. Normalmente las granjas que no obtienen el agua de la red pública suelen
proceder el tratamiento del agua, utilizando el cloro u otros compuestos equivalentes, con
objeto de higienizarla.
45
2.2.7. Instalaciones
Las condiciones y características de las instalaciones es uno de los factores menos
estudiados entre los responsables de la variación de los rendimientos. En ocasiones las
instalaciones sin embargo pueden convertirse en el factor más importante, en especial
cuando se afecta negativamente el bienestar de los animales (Averós et al. 2010).
Entre los aspectos más destacados, referidos a las instalaciones y su interacción con
los animales, podemos citar la densidad de animales (Leek et al., 2004; Averós et al., 2010)
o las condiciones de aislamiento térmico y de ventilación destinadas a controlar el ambiente
interno de las naves (Noblet et al., 2001) pero también otros factores como el tipo de suelo
o el tipo y protocolo de manejo de comederos y bebederos.
Sin duda un factor muy importante es la antigüedad de la edificación y las
modificaciones que se hayan llevado a cabo, ya que de forma indirecta indica la posibilidad
real de control de las condiciones climáticas y de habitabilidad interna. De hecho
indirectamente nos permite evaluar las características del sistema de ventilación o el
aislamiento térmico, el tipo de suelo de los corrales e incluso, de forma menos convincente,
el estado sanitario de la granja.
Sin embargo, existe muy poca información que haga referencia a la antigüedad de las
edificaciones. Por ejemplo, en un estudio llevado a cabo por Maes et al. (2004) evaluaron
el efecto de diferentes factores de riesgo sobre la mortalidad de cerdos de crecimiento y
cebo y no encontrando diferencias entre ocho niveles de antigüedad (clasificados en
periodos de cinco años para construcciones de entre 2 y 41 años).
46
2.2.7.1. Densidad de animales
La relación entre el número de animales alojados en una determinada área (densidad
de animales) y su productividad ha sido ampliamente documentada en las últimas décadas
(Turner et al., 2003; Street et al., 2008; White et al., 2008). En general tanto densidades
bajas como, especialmente, densidades altas empeoran los resultados productivos
(Meunier-Salaun et al., 1987; Gonyou y Stricklim, 1998; Hyun et al., 1998b; Wolter et al.,
2003), siendo los factores más afectados el consumo de pienso y la ganancia de peso.
Gonyou y Stricklim (1998) afirmaron que densidades menores de 0,76 m2/cerdo (o 1,32
cerdos/m2) reducen el consumo medio diario de pienso y la ganancia media diaria de peso
de cerdos en crecimiento/cebo. También, White et al. (2008) constataron que un aumento
del espacio por cerdo de crecimiento/cebo de 0,66 a 0,93 m2 resultó en un incremento en el
consumo de pienso y en la ganancia de peso.
Según Dinand Ekkel et al. (2003), la densidad óptima sería aquella que permitiera
que los cerdos delimitaran perfectamente las tres áreas de convivencia dentro del corral; un
área prioritaria de descanso, otra de alimentación y una tercera de deyecciones. En este
sentido, según el BOE (2002) referente a las normas mínimas para la protección de cerdos,
la densidad óptima de animales varía de acuerdo con la fase y el peso (Tabla 2.10),
pudiendo variar desde 0,16 m2/animal para cerdos de menos de 10 kg hasta 0,85 m2 para
cerdos de 110 kg. Además, un informe elaborado por EFSA (2006) indica que, en
condiciones de calor, sería necesario aumentar un 10% el espacio por animal.
47
Tabla 2.10. Densidad máxima aconsejada para diferentes intervalos de pesos. Comparación
entre requerimientos técnicos y legales.
Densidad mínima (m2/animal)
Peso (kg) Técnico Legal
< 10 0,16 0,15 10 – 20 0,28 0,20 20 – 30 0,36 0,30 30 – 50 0,50 0,40 50 – 85 0,72 0,55 85 – 110 0,85 0,65
Adaptado del BOE (2002) y de EFSA (2006).
Sin embargo, numerosos estudios demuestran que el efecto de la densidad de
animales sobre el bienestar y los rendimientos productivos depende, indirectamente, de
otros factores tales como la temperatura ambiente de la nave (Brumm y Miller, 1996; White
et al., 2008), el tamaño del grupo alojado en el mismo corral (Patherick et al., 1989;
Gonyou y Stricklin, 1998; Turner et al., 2000, 2003; Street y Gonyou, 2008), el tipo de
suelo (Corino et al., 2003; Averós et al., 2010) o el espacio de comedero (Morrison et al.,
2003).
La gran mayoría de autores afirman que, en verano, un aumento de la temperatura
ambiente potencia el efecto negativo sobre los rendimientos productivos provocado por
altas densidades de animales; de hecho, en verano se recomienda aumentar los
requerimientos de espacio por cerdo alojado (Kerr et al., 2005). En la Tabla 2.11 se
presentan de forma resumida los resultados de un estudio realizado por White et al. (2008)
en el que se evaluó el efecto de dos densidades y dos temperaturas ambiente sobre los
rendimientos productivos de cerdos de crecimiento y cebo.
48
Tabla 2.11. Efectos de la temperatura ambiente y de la densidad de animales sobre la
ganancia diaria de peso (GDP), el consumo diario de pienso (CDP) y la relación ganancia
de peso:consumo de pienso o eficiencia alimentaria (G:C).
23,9º C 32,2º C Nivel de significación
0,93m2 0,66m2 0,93m2 0,66m2 T S
GDP (kg) 0,95 0,84 0,62 0,45 < 0,01 < 0,01
CDP (kg) 3,2 2,9 2,3 2,0 < 0,01 < 0,01
G:C (kg/kg) 0,29 0,28 0,26 0,23 < 0,01 < 0,01
Adaptado de White et al. (2008). T = efecto de la temperatura; S = efecto del espacio disponible por animal.
Otro aspecto a considerar es que, en condiciones prácticas, la densidad de animales
no siempre es uniforme entre corrales de la misma granja y, en todo caso, no es una
información que suela registrarse en los engordes. Una forma más fácil y practica de
obtener indirectamente esta información es a través de la densidad de la nave, es decir, el
valor de la relación entre el número total de cerdos alojados en la nave y su capacidad
teórica (Maes et al., 2004).
2.2.7.2. Número de cerdos por corral
El tamaño del grupo o el número de cerdos presentes por corral en la nave de
crecimiento/engorde, suponiendo una densidad correcta, también puede afectar los
rendimientos productivos. McGlone y Newby (1994) indican que en la literatura
desafortunadamente el número de cerdos por corral se confunde muy a menudo con la
densidad de animales. En los últimos años la porcicultura industrial ha seguido la tendencia
de aumentar el tamaño del grupo en los cebaderos (Penny 2000) aunque, los resultados
49
encontrados en la bibliografía destinados a estudiar la influencia del tamaño de grupo sobre
los rendimientos productivos son bastante contradictorios (Turner y Edwards, 2000).
De acuerdo con Wolter y Ellis (2002), los grupos con más de 50 cerdos pueden
ofrecer beneficios económicos, de bienestar y también de manejo. En grupos grandes, se
minimiza el estrés de los individuos subordinados debido a que tienen más espacio en el
corral para huir y evitar el contacto con los dominantes (Turner et al., 2000). Por el
contrario, otros estudios muestran que hay una pérdida de eficiencia a medida que se
aumenta el tamaño del grupo. Este efecto se puede observar en los resultados de un estudio
de Turner et al. (2003) en que se midió el impacto del tamaño del grupo de cerdos en la
ganancia de peso y en el índice de conversión en las fases de transición, crecimiento y
engorde (Figura 2.12). El estudio indica que al aumentar el tamaño del grupo se reduce el
crecimiento diario y aumenta el índice de conversión, en especial durante el periodo de
crecimiento.
Pedersen (1990) también encontró una reducción de la ganancia de peso con cerdos
mantenidos en grupos de 48 animales comparados con grupos de 16. Así mismo, Turner et
al. (2000) encontraron una reducción de un 6,6% en la ganancia de peso en grupos de 80
cerdos comparado con grupos de 20 que, además, fue independiente del espacio por cerdo.
La disminución de la ganancia de peso observada en grupos grandes puede deberse al
hecho de que los animales tienen una mayor actividad de locomoción entre las diferentes
áreas del corral, que conlleva un mayor gasto de energía debido al ejercicio (Turner et al.,
2000).
50
Figura 2.12. Impacto del tamaño del grupo sobre la ganancia media diaria de peso (GDP) y
el índice de conversión (IC) durante las fases de transición, crecimiento y engorde.
Adaptado de Turner et al. (2003).
Gonyou y Stricklyn (1998) indican que el concepto tamaño de grupo debería ser
acotado y sugieren que debería ser considerarse tan solo comparando entre grupos
pequeños (menos de 10 cerdos) y grandes (más de 10 cerdos).
Además de la densidad, otro factor que interacciona con el tamaño del grupo es el
número y espacio de comedero (Morrison et al., 2003). Un estudio llevado a cabo por estos
autores señala que cuando había 9 cerdos por espacio de comedero en lugar de 15 el índice
de conversión mejoró aproximadamente un 6,8%.
Tamaño del grupo Tamaño del grupo
GD
P (k
g)
IC (
kg/k
g) Fase de transición
Fase de crecimiento
Fase de engorde
51
2.2.7.3. Tipo de suelo
El suelo de los corrales de crecimiento y cebo suelen ser de cemento/hormigón y en la
inmensa mayoría de los casos disponen de una fracción significativa (entre el 20 y el 100%)
de emparrillado (“slat”). Este emparrillado ha de cumplir con unas medidas adecuadas (un
máximo de 18mm de superficie de luz y un mínimo de 80mm de superficie de costilla en
naves de crecimiento y cebo) con objeto de facilitar la limpieza y minimizar la posibilidad
de que los cerdos registren accidentes locomotores (BOE, 2002).
El principal interés del tipo de suelo radica en la proporción de “slat”, dado que
indirectamente se relaciona con las emisiones de amoníaco y otros gases nocivos dentro de
la nave, que afectan al bienestar y consecuentemente los rendimientos de los animales,
debido a posibles problemas respiratorios y/o lesiones pulmonares. La legislación europea
de protección ambiental sugiere reducir las emisiones de amoniaco de la naves porcinas
(Navarotto et al. 2002). Son varios los estudios destinados a evaluar el efecto del tipo de
suelo (específicamente el porcentaje de emparrillado; Figura 2.13) sobre los niveles de
amoníaco y el rendimiento productivo de los cerdos.
Estudios como los de Sun et al. (2008) y Ye et al. (2009) que comparan las emisiones
de amoníaco de corrales con suelos con “slat” total o parcial, obtuvieron menores emisiones
y mejor calidad del aire en estos últimos. También, Aarnink et al. (1996) afirman que
disminuyendo el área de “slat” del corral de 50 para 25% los niveles de amoniaco se
redujeron casi un 11%. En ambos casos, los resultados pueden ser explicados por una
reducción del área de contacto de los purines con el aire circundante bajo el suelo
combinado con el hecho que el suelo compacto suele caracterizarse por ser el área limpia
del corral (Xavier-Philippe et al., 2011).
52
¨Slat¨ total ¨Slat¨ parcial
Figura 2.13. Diferencias en la proporción de “slat” presentes en los corrales de naves de
crecimiento y cebo.
Según Hacker et al. (1994), si las condiciones ambientales no resultan limitantes, los
cerdos definen con precisión tres áreas específicas en el corral; de alimentación, descanso y
deyección, prefiriendo descansar en áreas de suelo compacto y eliminar las excretas en
áreas de “slat”.
Sin embargo, otros estudios mostraron que la presencia de emparrillado en todo el
corral determinó un efecto protector sobre los cerdos en comparación con el “slat” parcial,
debido a un menor contacto de los animales con las heces y orina (Nollet et al., 2004).
Además, algunos estudios no encontraron diferencias entre las distintas proporciones de
“slat” con respecto tanto a la presencia de más o menos lesiones pulmonares (Fraile et al.,
2009) o por Salmonella enterica (García-Feliz et al., 2009), como en relación al consumo
de pienso y la mortalidad (Oliveira et al., 2009) de cerdos en crecimiento y engorde.
Este grado de contradicción de los resultados bien puede obedecer al hecho de que la
respuesta de los animales a la proporción de “slat” no suele ser diáfana, dado que
53
interacciona con otros factores como el volumen y forma de la fosa (determinan la
frecuencia de vaciado y la superficie de exposición al aire del purín), la temperatura
ambiental, la densidad de animales o el sistema de ventilación (Aarnink et al., 2006;
Guingand et al., 2010).
2.2.7.4. Tipo de comedero y bebedero
Un desafío importante de la porcinocultura actual es estimular el consumo voluntario
de pienso de los cerdos con objeto de obtener la máxima eficiencia biológica y productiva,
ya que es de todos conocido que las genéticas más magras suelen alcanzar consumos
inferiores diarios de pienso (Cisneros et al., 1996; Tibau et al., 1997; Latorre et al., 2003).
En este sentido, el potencial genético del cerdo, la concentración en energía y de nutrientes
del pienso y las condiciones ambientales, probablemente son los principales factores
determinantes del consumo; pero el tipo, diseño y disponibilidad de los comederos y
bebederos pueden tener también una importancia capital y están directamente asociados a
variaciones en los rendimientos productivos. La importancia de los comederos, y en menor
medida de los bebederos, se hace máxima cuando se intenta diferenciar entre “consumo” e
“ingestión”. A nivel de granja, el índice de conversión se obtiene a partir de la medida del
consumo, que incluye la ingestión de pienso por parte de los animales más el desperdicio
asociado al propio proceso de ingestión y al manejo del pienso; la diferencia entre consumo
e ingestión se explica en gran medida por el tipo y manejo de los comederos. Gadd (2005)
indica que, para garantizar una ingestión “ad libitum”, desperdicios de entre el 5 y 6% del
pienso consumido son “normales” en granjas de crecimiento y engorde; sin embargo hay
granjas que superan el 12% y otras que apenas registran el 2%. El mismo autor (Gadd,
2005) señala que las dos principales causas son el diseño y el mal ajuste de los comederos.
54
En cualquier caso, existen numerosos estudios en la literatura que evalúan el efecto
del tipo de comedero y/o bebedero sobre el consumo de pienso y los rendimientos
productivos del cerdo en la fase de crecimiento y cebo. En general, en las granjas de
crecimiento y cebo encontramos bien comederos denominados multi-espacio (tolva) o bien
uni-espacio (holandés), en este último caso con o sin bebedero incorporado.
Multi-espacio Uni-espacio con o sin bebedero incorporado
Figura 2.14. Ejemplo de comederos utilizados habitualmente en las naves de crecimiento y
cebo de cerdos en España.
Para Walker (1990), el hecho de que el consumo de pienso es similar en cerdos
alimentados en ambos tipos de comederos pero que el índice de conversión es mejor en el
comedero uni-espacio sugiere que el grado de desperdicio de pienso es superior en el
comedero multi-espacio. Por otra parte, estudios llevados a cabo por Walker (1990), Payne
(1991) y Gonyou y Lou (2000) concluyen que cerdos de cebo alimentados en comederos
con un bebedero incorporado mejoraron sus rendimientos productivos. En este sentido,
55
Gonyou y Lou (2000) afirman que la incorporación de agua en los comederos reduce el
tiempo destinado a comer y por tanto también el tiempo que el animal está ocupado en este
menester. Además, en un estudio conducido por Yang et al. (2001), animales que tenían
acceso a un comedero con bebedero incorporado presentaron mayor altura de la
vellosidades intestinales, lo que sugiere que el pienso húmedo facilitaría la digestión y
absorción de nutrientes. En otro estudio publicado por Kim et al. (2000), los cerdos que
consumieron pienso en un comedero con bebedero incorporado, presentaron un 50% menos
de desperdicio de agua en comparación con aquellos alimentados con pienso seco
(comedero sin bebedero incorporado).
Con todo, algunos otros estudios reflejan beneficios favorables a los comederos
multi-espacio. O´Connell et al. (2002) observaron mayor ganancia de peso y consumo de
pienso, además de menos agresiones con este tipo de comedero. De acuerdo con Young y
Lawrence (1994), eso ocurriría debido a un mayor grado de competencia por la reducción
en el espacio de comedero por animal en los uni-espacio en comparación con los multi-
espacio.
La Tabla 2.12 muestra cómo los cerdos alimentados en comederos con pienso seco
(sin agua incorporada) pasan más tiempo comiendo y hacen más visitas al día al comedero
que aquellos alimentados en comederos que llevan un bebedero incorporado. Con
comederos en seco los animales necesitan más tiempo para consumir su ración diaria
(Hartog y Smits, 2005).
56
Tabla 2.12. Diferencia de rendimiento entre grupos de cerdos alimentados en un comedero
uni-espacio sin o con bebedero incorporado.
Comedero Seco Comedero con chupete Duración de la comida (min/día) 104 86 Número de visitas al día 60 37
Consumo de pienso (kg/día) 2,66 2,82
Ganancia media diaria (g) 873 917
Adaptado de Hartog y Smits (2005).
En cuanto al bebedero, los más habituales en las granjas de crecimiento y cebo son
los bebederos tipo ¨chupete¨ (nipple), y en menor medida los tipo ¨cazoleta¨. En un estudio
llevado a cabo por Brumm y Heemstra (1999) comparando los rendimientos de cerdos en
crecimiento y cebo con ambos tipos de bebederos concluyen que animales con acceso al
bebedero tipo ¨cazoleta¨ tuvieron similar crecimiento, inferior consumo de pienso, mejor
índice de conversión y menor gasto total de agua que aquellos con acceso al bebedero tipo
¨chupete¨. En otro estudio, Brumm et al. (2000) concluyeron que cerdos de crecimiento y
cebo con acceso al bebedero tipo ¨chupete¨ y sin un bebedero incorporado en el comedero
presentaron una mejora en el índice de conversión y un incremento en el consumo de agua
comparado con aquellos que tenían acceso al agua únicamente a través del comedero, no
observando sin embargo diferencias en la mortalidad en ambos tratamientos.
57
Cazoleta Chupete
Figura 2.15. Ejemplo de los bebederos más comúnmente encontrados en las naves de
crecimiento y cebo de cerdos en España.
En definitiva, queda la sensación de que los estudios realizados en esta materia,
además de no ser excesivos, a menudo no contemplan la descripción completa de todas las
condiciones en que se han llevado a cabo. Los resultados, demasiado a menudo
contradictorios, se explicarían por el hecho de que la ingestión de pienso es siempre un
proceso de interacción entre el animal, el pienso y el ambiente. Mientras los factores
asociados al pienso y al animal se pueden controlar con relativa facilidad, en especial si se
dispone de un conocimiento suficiente sobre el comportamiento y la conducta de ingestión
de los cerdos, aquellos asociados al ambiente son sin embargo, más difíciles de controlar
simplemente por el hecho de que permanentemente interaccionan entre ellos y con los
primeros.
Así, por ejemplo, la comparación entre dos comederos puede ofrecer resultados
contrarios dependiendo tan solo de la edad o peso vivo del cerdo. Está bien establecido
(Hyun et al., 1997; Gonyou y Lou, 2000) que el cerdo joven, en transición o pre-
crecimiento, dedica más tiempo a consumir alimento que el cerdo más pesado (engorde o
58
acabado). Aunque hay una componente individual evidente (Nielsen, 1995), el cerdo joven
en crecimiento, comparado con el de engorde y acabado, realiza mas visitas diarias al
comedero e ingiere menor cantidad de pienso por visita (Rauw et al., 2006) y, por ello,
registra una mayor ocupación y precisa mayor espacio de comedero por cerdo. En este
sentido el comedero multi-espacio se asociaría a animales jóvenes y el uni-espacio a cerdos
más pesados (Magowan et al., 2008) o, dicho de otro modo y en teoría, cuando se utilizan
comederos uni-espacio, para garantizar la máxima ingestión, la densidad (cerdos por
comedero) debería ser inferior al principio del crecimiento que al final del cebo. Por otra
parte la densidad de cerdos por corral también afecta a la eficiencia de utilización del
comedero, ya que si es excesiva se reducen el número de visitas diarias y la ingestión por
visita y cerdo (Hyun et al., 1998b).
2.2.7.5. Sistema de ventilación, refrigeración y calefacción
La utilización correcta de la ventilación es el instrumento fundamental para el control
ambiental de los alojamientos para cerdos, en especial en edificios que disponen de un buen
aislamiento térmico. En este sentido, los principales objetivos de la ventilación son: a)
controlar el acumulo de gases, partículas de polvo y olores potencialmente nocivos y
aportar oxígeno a los animales, b) controlar el grado de humedad ambiental que facilita la
respiración de los animales y preserva la durabilidad de la instalación y el utillaje y c)
controlar la temperatura interior de las naves para procurar mantener los animales en la
zona de confort climático y dentro del intervalo de neutralidad térmica. Las dos primeras
funciones son prioritarias en condiciones de invierno y la tercera lo es en verano. Además,
cuando variando el ritmo de ventilación no se consigue cumplir con los tres objetivos hay
que acudir a otros sistemas auxiliares destinados a mantener la temperatura interna de la
59
nave dentro del intervalo de neutralidad; así en invierno se mantiene la ventilación en el
mínimo que garantice los dos primeros objetivos y si la temperatura ambiente resulta más
baja que la temperatura crítica inferior se aporta calefacción y en verano se aumenta
considerablemente el ritmo de ventilación y, si persiste el estrés por calor, se implantan
sistemas de refrigeración bien mediante ventilación tipo “túnel” o con paneles
humidificadores u otros sistemas de refrigeración. En España, pocas granjas de crecimiento
y cebo están equipadas con calefacción (solamente algunos pre-engordes o al inicio del
“wean to finish”), paneles humidificadores u otros sistemas auxiliares de refrigeración
(Bridges et al., 2003).
Sin duda un buen sistema de ventilación es el mejor método para reducir la
concentración de gases y humedad en el interior de la nave y para mantener la temperatura
interna del edificio dentro del intervalo de neutralidad térmica (zona de confort térmico) de
los animales (Wathes, 1994; Hadina et al., 2003). En la Tabla 2.13 se puede observar las
recomendaciones mínimas de ventilación a diferentes temperaturas ambientes para cerdos
de 11 a 120 kg de peso.
Tabla 2.13. Tasas de ventilación recomendadas para los ventiladores habituales.
Tasas de ventilación (m3/minuto) Peso (kg) Condiciones
frías Condiciones
normales Condiciones
cálidas 11 – 25 0,09 0,43 0,99 25 – 68 0,20 0,68 2,12 68 – 120 0,28 1,00 3,40
Adaptado de Gadd (2007). La separación en frías/normales/cálidas se refiere dentro de la zona de confort térmico, sin sufrir estrés por frio o por calor.
60
Según Banhazi et al. (2004), los niveles de gases nocivos (CO2, NH3, SH2) en la nave
son síntoma inequívoco de una insuficiente ventilación y son responsables directos de
enfermedades respiratorias (Fablet et al., 2012). Además, el aire interior de las naves puede
actuar como un reservorio de microorganismos potencialmente patógenos (Wathes, 1994).
Los niveles máximos recomendados de estos gases y el posible efecto que ejercen sobre los
animales pueden consultarse en la “guía de las mejores técnicas disponibles en el sector
porcino” publicada en 2006 conjuntamente por los ministerios de Agricultura, Pesca y
Alimentación y el de Medio Ambiente.
El ritmo de ventilación diferirá sustancialmente dependiendo de las condiciones
climáticas. En la Tabla 2.14 figuran los valores recomendados para condiciones de clima
templado (Menguy, 1981) o condiciones de clima mediterráneo (Ciutad, 1994). El ritmo de
ventilación, además de ser muy superior en verano que en invierno, es mucho mayor en las
condiciones climáticas mediterráneas; en especial durante el verano y en animales de más
peso. En cualquier caso la mayoría de las instalaciones de engorde españolas no disponen
de ventilación dinámica sino que suelen estar equipadas con ventilación estática con
automatización de ventanas (Forcada et al., 1997).
Los estudios que evalúan el efecto del sistema de ventilación sobre los rendimientos
productivos de cerdos de cebo son escasos en la literatura. Choi et al. (2010), demuestran,
en lechones en transición, mejores rendimientos en naves equipadas con ventilación
dinámica que en aquellas con ventilación natural. El mejor resultado a favor de la
ventilación automática se explica por un control más eficiente de temperatura y calidad del
aire dentro de la nave. Oliveira et al. (2009) evaluaron, en condiciones mediterráneas,
varios factores de riesgo de la mortalidad y el consumo de pienso de cerdos en crecimiento
61
y cebo y no encontrando ningún efecto significativo de la ventilación (natural vs
automática) en ambos parámetros estudiados.
Tabla 2.14. Ritmo de ventilación recomendado (m3/cerdo y hora) para cerdos en
crecimiento y cebo alojados, durante el invierno o verano, en climas templados (Menguy,
1981) o en condiciones mediterráneas (Ciutad, 1994).
Invierno Verano Peso
vivo (kg) Ciutat (1994)
Menguy (1981)
Ciutat (1994)
Menguy (1981)
Transición 10 5 5 20 20 20 7 7 40 30
Crecimiento/engorde 25 6 5 40 30
50 14 8 105 60
80 16 12 120 90
100 20 15 150 100
Adaptado de Menguy (1981) y Ciutad (1994).
Natural Automático
Figura 2.16. Tipos más comunes de ventilación encontrados en las naves de crecimiento y
cebo de cerdos en España.
62
En definitiva, aunque en condiciones prácticas el sistema de ventilación pueda ser
bastante uniforme y la presencia de sistemas auxiliares calefacción y refrigeración no sean
muy comunes en la porcicultura española; tampoco hemos encontrado datos prácticos y
objetivos que reflejen la importancia y magnitud del efecto que un mayor control de las
condiciones climáticas y ambientales del interior de las naves pueda tener sobre los
rendimientos productivos y el bienestar de los animales durante el crecimiento y el cebo.
2.2.7.6. Tamaño de la granja de crecimiento y engorde
El número de granjas y su tamaño así como el tipo de empresa al que se asocian es,
posiblemente, el factor que más condiciona el flujo de animales a través de las distintas
granjas, las condiciones de manejo de los cerdos y, en definitiva, los aspectos logísticos del
proceso cría, engorde y comercialización de cerdos. Tan solo hace falta reparar en la
comparación entre la estructura de engorde de dos situaciones prácticas, en cierto modo
extremas: 1) un ciclo cerrado que cuente con algunos cientos de madres en una única S1 y
2) un sistema “en fases” de una empresa grande (varios miles de madres en distintas S1),
comúnmente en régimen de integración. En el primer caso se trata de una sola o varias
naves compartimentadas en salas y la instalación funcionará en flujo continuo con
frecuentes entradas y salidas de animales; en el segundo caso cada nave se llena de una sola
vez o en un tiempo muy reducido, a veces incluso a partir de una única S1, y se vacía de
nuevo en poco tiempo. El efecto del “tamaño de granja” previsiblemente será diferente en
ambas situaciones.
Normalmente la variable ¨tamaño de la granja¨ se puede medir de diferentes formas.
Según Gardner et al. (2002), el criterio utilizado para cerdos en crecimiento y cebo es muy
variable incluyendo por ejemplo: 1) el número de cerdos sacrificados al año, 2) el número
63
de cerdos alojados en la granja con edades comprendidas entre el destete y el sacrificio o 3)
el número total de cerdos de la granja y número de cerdos alojados por nave o por lote.
El tamaño de la granja se considera un importante factor de riesgo sanitario y de
bioseguridad, estando directamente ligado a la aparición de enfermedades (Gardner et al.,
2002), que pueden empeorar los rendimientos productivos. Los resultados encontrados en
la literatura son bastante variables, debido a diferentes criterios utilizados para clasificar el
tamaño de las granjas o a otros factores implicados como prácticas de manejo, protocolos
de vacunación, alimentación y bioseguridad. En un reciente estudio, Fablet et al. (2012)
observan un mayor riesgo de pleuritis cuanto más grandes son las granjas y/o lotes de
crecimiento y cebo. Maes et al. (2004) encuentran una tendencia a reducirse la mortalidad
en granjas pequeñas (el total de granjas estudiadas contenían entre 65 y 1288 cerdos
alojados por lote) y Oliveira et al. (2007) observan una disminución en los días medios de
crecimiento y cebo en granjas pequeñas ( 400 vs > 400 cerdos) debido a una mejora en la
ganancia diaria de peso. A nivel de campo, granjas o lotes más pequeños permiten
conseguir con más facilidad el ¨todo dentro/todo fuera¨ mejorando de esta forma el estatus
sanitario, mientras que para llenar a las granjas o lotes grandes puede ser necesario un
periodo más largo de tiempo o incluso la necesidad de tomar lechones de diferentes
orígenes, comprometiendo de este modo el estatus sanitario. Sin embargo, en un posterior
estudio Oliveira et al. (2009) no registran ningún efecto del número de cerdos alojados por
lote (< 400; 400-600 o > 600 cerdos) ni en el consumo de pienso ni en la mortalidad. Por
otra parte, Losinger (1998) incluso observan un mejor índice de conversión en granjas
grandes (< 800; 800-2999 o 3000 cerdos). Sin embargo, este resultado podría ser
64
consecuencia de un potencial genético superior de los animales alojados en las granjas más
grandes (Honeyman, 1996).
En conclusión, existen numerosos factores que inciden directamente sobre los
rendimientos productivos de los cerdos en crecimiento y engorde y la importancia relativa
de cada uno de ellos depende del índice productivo estudiado. De este modo, basado en los
resultados obtenidos en la literatura, los factores que ejercen un mayor efecto son aquellos
relacionados con la instalación (densidad de animales en los corrales, tipo de comedero o el
porcentaje de emparrillado del suelo en los corrales), el manejo (época de entrada de los
lotes en la naves, numero de orígenes de los animales, sexo/genero de los animales,
genética del macho finalizador y consecuentemente el peso al sacrificio) y la nutrición,
donde destaca la forma física de presentación de los piensos. Sin embargo, aunque los
rendimientos productivos no siempre se ven afectados por todos estos factores
simultáneamente, sino que dependiendo de las condiciones de producción unos ejercen un
mayor efecto que otros; es recomendable tenerlos en cuenta y estudiarlos en conjunto.
2.3. Modelos matemáticos de predicción utilizados en ciencia animal
2.3.1. Definición
En los últimos años, ha habido un creciente aumento de estudios que utilizan modelos
matemáticos para estudiar y evidenciar el efecto de una o varias características dentro de
una determinada área de interés. En este sentido, el objetivo principal de estos modelos es
representar de forma simplificada una realidad que desde el punto de vista matemático se
65
entiende como la descripción de un objeto o un fenómeno real a través del uso de la
predicción y/o explicación de un determinado factor de interés (Villalba, 2000).
De este modo, el uso de la modelización propició que los investigadores en sistemas
ganaderos desarrollasen conceptos, métodos y herramientas para dirigir la actividad
ganadera como un todo (Gibon et al., 1999) pues según Dent et al. (1995), el proprio
proceso de construcción del modelo contribuye a mejorar el entendimiento y la descripción
de un determinado sistema.
Una ventaja fundamental del uso de modelos matemáticos dentro de un sistema es la
posibilidad de poder trabajar con muchos factores, hechos, variables, parámetros y
entidades así como el hecho de poder discernir las posibles interacciones entre ellos,
difíciles de observar en la realidad.
Según France y Dijkstra (2006), para conocer con certeza el tipo de modelos que se
pueden construir en biología, es necesario tener en cuenta la naturaleza del sistema global,
los niveles de organización y las posibilidades de muestreo en cada uno de ellos. Los
mismos autores afirman que en ciencia animal los modelos se caracterizan por contemplar
distintos niveles de organización convenientemente jerarquizados (Tabla 2.15) donde,
cualquiera de los niveles puede estar compuesto por distintos subsistemas del nivel inferior
y, a su vez, puede ser un subsistema del nivel inmediatamente superior. Este sistema
jerárquico tendría las siguientes propiedades: 1) cada nivel dispone de su propia base
conceptual y tiene lenguaje específico, 2) cada nivel resulta de la integración de conceptos
(“ítems”) referidos a niveles inferiores; a partir de un esquema reduccionista se asume que
la descripción del nivel “i-1” puede aportar los mecanismos de respuesta del nivel “i” y 3)
la obtención de un modelo realista, convenientemente contrastado, en el nivel “i” requiere
el funcionamiento adecuado del nivel “i-1”, pero no viceversa.
66
Tabla 2.15. Niveles de organización jerarquizado en producción animal.
Nivel Descripción del nivel i + 3 Grupo de animales (granja, lote) i + 2 Animal
i + 1 Órgano
i Tejido
i - 1 Célula
i - 2 Organela
i - 3 Macromolecula
Adaptado de France y Dijkstra (2006).
2.3.2. Tipos y características
Clasificar los tipos de modelos no es sencillo. France y Dijkstra (2006) indican que
dependiendo de su organización jerárquica existen tres categorías de modelos: 1) modelos
teleonómicos, cuya descripción se realiza en una dirección ascendente y no son de gran
interés en biología, 2) modelos empíricos, que examinan un solo nivel y 3) modelos
mecanísticos que se describen en dirección descendente, consideran los procesos a un
determinado nivel en relación a otros que ocurren en niveles inferiores.
En cualquier caso, los modelos utilizados en ciencia animal se clasifican básicamente
en función de cómo son construidos. De este modo, según Black (1995) un modelo puede
ser dinámico o estático, estocástico o determinista y mecanicista o empírico. En este
sentido, la mayoría de los modelos desarrollados en ganadería son dinámicos, teniendo el
efecto ¨tiempo¨ como variable principal (Villalba, 2000). En cuanto a los modelos estáticos,
un buen ejemplo usado en ganadería son las típicas tablas de necesidades nutritivas de los
animales (NRC, 1998, 2012; FEDNA, 2006).
Un modelo determinista es aquel que hace predicciones exactas de variables
cuantitativas (peso del animal o la producción de leche), las variables que lo forman son de
67
carácter conocido y no depende del azar (France y Thornley, 1984; Malczewski, 1999).
Algunos ejemplos de modelos, herramientas o técnicas deterministas son la programación
lineal, análisis de Markov y el análisis coste/beneficio (Krone, 1980; López, 2001).
Un modelo estocástico contiene algunos elementos aleatorios o distribuciones de
probabilidad dentro del modelo, es decir, dependen de un nivel de incertidumbre provocado
por el azar y así, no solo predice el valor esperado de un factor, sino también su varianza
(Villalba, 2000). En este caso concreto, se utilizan los modelos probabilísticos cuantitativos
(Krone, 1980; López, 2001) que pueden ser aplicados en el control de tráfico y/o para la
previsión del tiempo.
Según Morris (2006), los modelos mecanicistas buscan explicar las causas de
determinados fenómenos. En su construcción se tiene en cuenta la estructura de todo el
sistema involucrado, aunque se divida en sus componentes más importantes, se analiza el
comportamiento de la totalidad del sistema a través del de sus componentes y las
interacciones que se dan entre ellos (France y Dijkstra, 2006). Generalmente, los modelos
mecanicistas utilizan sistemas de ecuaciones diferenciales y algébricas, exigiendo un
conocimiento amplio y general del sistema a modelizar. Según Villalba (2000), estos
modelos buscan describir un determinado nivel (¨tejido¨) basado en las características y
relaciones de estos con un nivel justamente inferior (¨célula¨), o sea, predecir la ganancia de
peso de un lote de cerdos buscando factores que estén involucrados en la asimilación de
nutrientes. Como ejemplo típico de modelos mecanicistas están los modelos del
crecimiento del cerdo (Whittemore, 1983; Moughan et al. 1987; De Lange et al., 2001;
Wellock et al., 2004; Strathe et al., 2010).
Los modelos empíricos describen cuantitativamente un factor tras su observación y la
obtención de datos por experimentación. Se basan en datos experimentales recogidos
68
generalmente en estudios de campo, validos solamente en las condiciones en que se han
recolectado. Estos modelos han de ser actualizados a intervalos de tiempo para que puedan
seguir siendo aplicables (France y Dijkstra, 2006). Al contrario de los modelos
mecanicistas, en este caso no se explican los mecanismos involucrados en el proceso, al
basarse en ecuaciones que describen las correlaciones y asociaciones entre dos o más
variables que en ningún caso pueden ser generalizables (Villalba, 2000). Por lo tanto,
parece razonable que para aumentar la flexibilidad y generalizar el poder efectivo de
predicción a situaciones muy diversas, los modelos utilizados en producción animal
deberían ser más de tipo mecanicista que empírico (Whitemore, 1986).
Los modelos matemáticos utilizados hasta el momento en producción animal han sido
básicamente de naturaleza empírica adaptados a las diferentes situaciones estudiadas en
distintos ámbitos o subsistemas (nutrición, genética, epidemiologia,…). En la bibliografía
se encuentra muchos estudios que utilizan modelos empíricos para predecir el efecto de
distintos factores que afectan: i) los rendimientos productivos de cerdos de cebo a través del
uso de regresiones lineales y no lineales (Losinger, 1998; Losinger et al., 1998; Maes et al.,
2000, 2004; Larriestra et al., 2005; Oliveira et al., 2007, 2009) o bien ii) la prevalencia de
enfermedades (Keessen et al., 2011; Fablet et al., 2012; Vico et al., 2012), iii) la
digestibilidad de nutrientes (Bell y Keith, 1989; Kemme et al., 1997; McCann et al., 2006)
y iv) la ingestión voluntaria de pienso (Tsaras et al., 1998; Yoosuk et al., 2011).
Sin embargo, para poder utilizar los modelos desarrollados en una situación práctica,
se hace necesario demostrar que se pueden utilizar para predecir con un nivel aceptable de
confianza. Según Whiting (1997), la validación de un modelo es una de las etapas más
importantes y al mismo tiempo más difícil en el ámbito de la modelización. La validación
se puede llevar a cabo de diferentes maneras (Rodriguez Pérez, 2004): a) validación interna
69
– permiten la validación cruzada mediante la partición de la propia base de datos utilizada
para desarrollar el modelo, con el objetivo de determinar si el modelo puede describir
suficientemente los datos experimentales y b) validación externa – utilizan datos nuevos,
procedentes de la misma población en que se desarrolló un dado modelo o bien utilizando
datos procedentes de una población distinta, con el objetivo de cuantificar la predicción
matemática del modelo testado con datos experimentales nuevos. Las diferentes
validaciones permitirán obtener conclusiones respecto a la validez y aplicabilidad de los
modelos.
En definitiva, todos los tipos de modelos se caracterizan por ser representaciones
incompletas del sistema a modelizar, pero a pesar de esta limitación, el hecho de disponer
de modelos fiables que permitan predecir resulta de gran utilidad en la toma de decisiones,
mejorando de este modo, la eficiencia del sistema estudiado.
70
71
Capítulo 3
Objetivos
72
73
Durante la celebración del XXV curso de especialización ¨Avances en nutrición y
alimentación animal¨ celebrado en Madrid en Noviembre de 2009 y organizado por la
Fundación Española para el Desarrollo de la Nutrición Animal (FEDNA), y por iniciativa
de algunos destacados profesionales del sector, se puso de manifiesto: 1) la existencia de
gran cantidad de información disponible a nivel de empresa (granja) que no se utiliza y que
convenientemente tratada podría contribuir al avance del sector, 2) la voluntad de varias
empresas del sector porcino de colaborar, no solamente poniendo a disposición sus datos,
sino también participando activamente en las distintas fases del proyecto y 3) la
determinación de investigadores de los grupos de producción y nutrición porcina de las
Universidades Autónoma de Barcelona y Politécnica de Madrid por liderar el proyecto bajo
la supervisión de FEDNA. Acto seguido, se planteó la necesidad de llevar a cabo un estudio
que permitiera abordar este asunto de forma sistemática, con un criterio científico sólido y
extrapolable, como mínimo, al conjunto de la porcicultura nacional.
La revisión bibliográfica realizada en el capítulo anterior ha puesto de manifiesto que:
1) la fase de crecimiento y engorde supone siempre más del 60% de los costes de la
producción porcina, 2) los principales índices productivos de este periodo (índice de
crecimiento, índice de conversión, mortalidad, tiempo de permanencia en granja,……)
ofrecen una variación importante entre granjas e incluso entre lotes de producción dentro de
la misma granja, 3) son numerosos los factores, relacionados con las condiciones de
producción, que afectan a estos índices y a sus variaciones, tanto de forma directa como
interaccionando entre ellos y 4) se dispone del conocimiento y del potencial matemático
para construir modelos matemáticos de ayuda a la toma de decisiones partiendo de los
registros y la información obtenida a pie de granja.
74
Además, la utilización práctica de estos modelos a nivel de granja comercial o
empresa ganadera debería ayudar al técnico y/o empresario ganadero a tomar decisiones al
menos en dos sentidos: i) optimizar los costes haciendo un uso racional y equilibrado de los
principales factores de producción disponibles y ii) conocer los principales factores
limitantes del proceso y, así, poder mejorarlos.
En este contexto, el presente trabajo ha sido desarrollado para atender el siguiente
objetivo general: “Conocer y cuantificar la importancia relativa de los distintos factores de
la producción de los cerdos sobre los índices productivos durante la fase de crecimiento y
cebo”. El trabajo requiere la obtención de información de un número representativo de
granjas comerciales mediante la colaboración de empresas representativas del sector.
Más en detalle los objetivos específicos son:
1. Generar una base de datos, representativas de la industria porcina española que
incluyan información de variables productivas (ej.: índice de conversión) y de
factores de producción registrados bien por variables continuas (ej.: numero de
cerdos por lote o contenido energético del pienso) o bien por variables discretas (ej.:
tipo de comedero o tipo genético).
2. Disponer de información actualizada, representativa y fiable que permita conocer la
situación real del sector porcino en España en aspectos que las estadísticas oficiales
difícilmente contemplan.
3. Ajustar modelos matemáticos, derivados de situaciones y enfoques diferentes, que
puedan contribuir a facilitar la toma de decisiones de granjeros, técnicos o empresas
ganaderas.
75
El proyecto en su conjunto tiene, además, un cuarto objetivo concreto cual es
realizar un estudio anónimo de comparación (Benchmarking) de los rendimientos
productivos y las condiciones de producción entre y dentro de las empresas participantes en
el proyecto. Como es obvio este asunto no forma parte de esta memoria de tesis doctoral
dado que constituye una información confidencial para las empresas participantes en el
proyecto.
El planteamiento experimental del trabajo, el cronograma y la metodología general
utilizada se describen en el próximo capítulo. En los tres capítulos siguientes se
desgranaran los resultados y la discusión, para finalizar con un breve apartado de discusión
general conjunta y las conclusiones.
76
77
Capítulo 4
Metodología general
78
79
4.1. Origen del estudio y obtención de la información
La porcicultura moderna se caracteriza por controlar el proceso productivo mediante
una exhaustiva recogida de información a nivel de granja y matadero. La actualización
constante y el análisis pormenorizado de registros, junto al estudio de costes, es sin duda el
instrumento más utilizado para hacer una gestión eficiente de las granjas de madres y
también de las transiciones y engordes. La información técnica que se suele recoger en
transiciones y engordes suele ser menos exhaustiva que en las granjas de madres pero, si se
utiliza con criterio, resulta igualmente importante para ayudar a la toma de decisiones. En
los engordes se registran como mínimo los valores de ganancia media diaria, índice de
conversión y mortalidad. Para conocer la ganancia media diaria se precisa determinar el
peso vivo de entrada y de salida así como los días de ocupación del cebadero. El índice de
conversión precisa además tener una estimación fiable de consumo de pienso. En muchos
casos se registra además el día y peso de los animales muertos, el peso y rendimiento a la
canal y otros parámetros como la dispersión de tiempo y pesos a la salida al matadero, los
tratamientos veterinarios aplicados durante el periodo o el número y periodo de
administración de los piensos.
En definitiva, el sector de producción en conjunto y cada una de sus empresas
dedicadas al engorde de porcino disponen de una información más o menos completa cuyo
valor potencial radica en que, una vez clasificada e interpretada, pueda ser utilizada por el
técnico en la toma de decisiones. Los equipos técnicos de las empresas sin duda utilizan
esta información para controlar y mejorar la eficiencia técnica y económica del proceso
80
productivo; sin embargo en pocas ocasiones tienen tiempo y recursos técnicos y humanos
suficientes para obtener el máximo provecho de la información que ellos mismos generan.
En este contexto, durante el XXV curso de especialización FEDNA celebrado en
Madrid en noviembre de 2009 y de acuerdo con personas que ostentan responsabilidades
técnicas y gerenciales en algunas de las empresas más significativas del sector porcino
nacional, se propuso iniciar un proyecto destinado a recoger un número suficientemente
importante y representativo de datos referidos a los rendimientos productivos y condiciones
de producción del engorde de cerdos en España y diseñar modelos matemáticos que
pudieran ser utilizados como apoyo a la toma de decisiones en condiciones comerciales.
De este modo, en los meses siguientes se contactó, por carta y con el beneplácito
explícito de FEDNA, con las 25 empresas más importantes del sector porcino dedicadas al
crecimiento y engorde en España explicando los objetivos del proyecto e invitándoles a
participar. No se contactaron empresas que no tuvieran una capacidad mínima de 250.000
cerdos engordados por año. Fundamentalmente se solicitó la posibilidad de utilizar los
datos necesarios para llevar a cabo el estudio de una forma anónima y confidencial. De
forma orientativa se pedía información de un mínimo de 50 granjas, lo más representativas
posible de la realidad de cada empresa, y a poder ser varios ciclos de engorde por granja. A
finales de enero de 2010 nueve de las empresas contactadas contestaron afirmativamente.
Las nueve empresas acumulan alrededor del 20% de todo el ganado porcino engordado en
España.
Durante el primer trimestre de 2010 se diseñó el procedimiento de obtención de datos
de las nueve empresas centrado en tres puntos: i) elegir las variables de interés a considerar
tanto en granja como a nivel de empresa, ii) preparar un modelo de encuesta (juntamente
con un manual de instrucciones) en un formato que permita la recogida de registros reales y
81
fiables de forma ágil y eficiente y iii) diseñar un sistema que garantice la representatividad
de los datos recogidos entre y dentro de las empresa participantes. Una vez confeccionada
la encuesta por el equipo investigador se envió a las empresas participantes con objeto de
conocer la posibilidad real de registrar las variables propuestas o bien proponer otras
alternativas o complementarias y proceder a las modificaciones necesarias que garantizasen
la recogida veraz y eficiente de la información. El objetivo fue llegar a un modelo patrón de
encuesta consensuada entre el equipo investigador y las empresas participantes.
En mayo 2010, una vez consensuados y revisados los términos de la encuesta, el
documento se hizo llegar a las empresas para su cumplementación. La recogida de
información no se completó hasta enero de 2011.
4.2. Diseño y contenido de las encuestas
Las encuestas se diseñaron en tres formatos diferentes con objeto de facilitar el
trabajo de recogida de información al equipo técnico de las empresas participantes. En
concreto los datos se solicitaron, por granja y lote de engorde, y se podían aportar: a)
directamente en papel (opción 1), b) rellenando la encuesta a través de un programa
desarrollado en formato Excel (opción 2) o bien c) utilizando una hoja Excel sencilla
(opción 3). Además, se preparó un manual de instrucciones donde se detallaban tres
aspectos: i) un documento de total confidencialidad para cada empresa, ii) resaltar la
importancia capital de que la elección de las granjas dentro de cada empresa fuera una
muestra representativa del global de la empresa y iii) la definición y puntualización del
significado de cada una de las variables a registrar para que fueran lo más comparables
82
posible. La información que incluye la encuesta se presenta en la Tabla 4.1 y para más
detalles, la encuesta completa y el manual de instrucciones se incluye en un ¨anexo¨ en el
capítulo 10 de esta memoria de tesis doctoral.
Tabla 4.1. Información contenida en la encuesta.
Variables
Nombre de la empresa Nombre o número de la granja Ubicación de la granja Código del lote evaluado Fechas de entrada y salida del lote A) Información general
Ciclo de la granja Tipo de cerdo engordado Separación de sexos/géneros en los corrales Sexos/géneros presentes Genética del macho finalizador Numero de orígenes Vacunaciones
B) Instalaciones Capacidad del cebadero Edad de las instalaciones Cerdos por corral Porcentaje de emparrillado del suelo Tipo de comedero Tipo de bebedero Tipo de control de la ventilación Presencia de paneles humidificadores
C) Alimentación Numero de piensos utilizados Fórmulas distintas por sexo/género Forma física de los piensos Contenidos de energía, proteína y lisina de los piensos Frecuencia de tratamientos antibióticos Vías de utilización de los antibióticos Origen del agua de la granja Tratamiento del agua en la granja
D) Rendimientos productivos Peso medio inicial y final Duración media y total del cebo Numero de cerdos que entraron y salieron del matadero Saldos Consumo de pienso Mortalidad
83
La elección de las variables se diseñó utilizando como información de referencia
artículos científicos y técnicos publicados recientemente y la experiencia acumulada por el
equipo investigador y el personal técnico de las empresas participantes. En principio se
contemplan un grupo de variables “independientes” (Xi) y otras de “dependientes” (Yi),
incluyendo variables tanto ¨continuas¨ (por ejemplo el peso medio a la entrada y salida del
cebadero, porcentaje de saldos, numero de animales entrados en cada lote, numero de
piensos administrados durante el periodo,…) como ¨categóricas¨ (por ejemplo el tipo
genético, tipo de comedero, tipo de bebedero, sistema de ventilación,…). Entre las
“dependientes” (Yi) se consideraron variables como el consumo de pienso, el índice de
conversión, el crecimiento medio diario, los días de permanencia en el cebadero o la
mortalidad.
A efectos de la encuesta, la información solicitada fue compartimentada en los
siguientes apartados: a) información general de la granja, que englobaba algunos
parámetros de manejo y sanidad (nombre y ubicación de la granja, fecha de entrada y salida
del lote, tipo de granja y de cerdo engordado, línea genética del macho finalizador,
separación por sexos si procede, factores sanitarios,…); b) instalaciones (número de
animales por corral, tipo de suelo, comederos, bebederos y ventilación,…); c) alimentación
(número y forma física de los piensos, contenido energético, proteico y de lisina, origen y
tratamiento del agua, frecuencia de tratamientos antibióticos utilizados y vías de
utilización,…) y finalmente d) rendimientos productivos (pesos inicial y final, saldos,
duración del engorde, consumo de pienso, crecimiento, mortalidad,…).
En total, se obtuvo información de 764 lotes de crecimiento y cebo pertenecientes a
454 granjas con un número de lotes recogido por cada granja variando entre uno y tres. La
información obtenida se refiere al periodo comprendido entre julio de 2008 y julio de 2010.
84
La muestra total fue de alrededor de 1.157.212 de cerdos, aproximadamente un 1,5% del
número total de cerdos sacrificados en España durante un periodo de dos años. En la
Figura 4.1 se demuestra la localización de las granjas estudiadas, estando la mayoría de
ellas localizadas en Aragón y Cataluña seguido por Castilla y León.
Figura 4.1. Porcentaje de granjas estudiadas por provincia española (n=454 granjas).
La muestra final de granjas no está homogéneamente distribuida por todo el Estado
aunque sí contempla las Comunidades Autónomas con mayor producción (Catalunya,
Aragón y Castilla y León). Sin embargo, existen zonas con una tradición arraigada en
producción porcina, como por ejemplo la región de Murcia, en la que fue imposible obtener
VALENCIA: 1,97% - Castellón: 1,97%
CATALUÑA: 34,71% - Lleida: 33,84% - Tarragona: 0,87% CASTILLA Y LEÓN: 18,35%
- Ávila: 0,22% - Burgos: 2,18% - León: 2,18% - Palencia: 0,44% - Segovia: 0,87% - Soria: 7,00% - Valladolid: 4,15% - Zamora: 1,31%
LA RIOJA: 0,44% - La Rioja: 0,44% NAVARRA: 0,44%
- Navarra: 0,44%ARAGÓN: 44,10% - Huesca: 23,14% - Teruel: 5,24% - Zaragoza: 15,72%
85
información y en otras, como la propia Catalunya, la distribución de las granjas está muy
sesgada con una preponderancia excesiva de la provincia de Lleida.
4.3. Procesado de datos y orientación de los estudios realizados
Entre enero y marzo de 2011 se procedió la organización de los datos recibidos de
cada empresa en una plantilla Excel por empresa. Inicialmente los datos de cada empresa
fueron analizados por separado, efectuándose la codificación y estandarización de los
mismos dentro de cada variable. A partir de las variables facilitadas por las empresas, se
crearon nuevas variables (por ejemplo: época/trimestre de entrada de los lotes en el
cebadero, consumo diario de pienso, ganancia media diaria de peso, índice de conversión,
porcentaje de ocupación de las instalaciones,…). En los siguientes capítulos se aportan
definiciones más detalladas de estas variables.
En atención a las empresas participantes en el proyecto, el equipo investigador se
comprometió a realizar un ejercicio confidencial de “benchmarking”. Para cada parámetro
productivo se registró la media y la desviación de cada empresa individual y se comparó
con la media y la desviación de dicho parámetro para todo el conjunto de todas las
empresas. Este trabajo se realizó durante los meses de febrero y marzo de 2011 y se entregó
a cada empresa en abril del mismo año. Este trabajo, por razones obvias, no figura en esta
Memoria.
En cuanto a los análisis estadísticos realizados, los datos obtenidos se analizaron en
tres fases; i) análisis exploratorio, ii) desarrollo de modelos y iii) validación de algunos
modelos desarrollados. La información referente a cada compañía fue recopilada en una
86
plantilla Excel global para la realización de los analices estadísticos, que se hicieron
utilizando el programa estadístico SAS (SAS, Cary, NC, USA, versión 9.2). Inicialmente,
se realizó un análisis exploratorio de los datos obtenidos. Los métodos utilizados en esta
fase comprendieron la exploración visual y el análisis univariable de los datos, con el
objeto de conocer a priori las diferentes variables, su distribución y principales estadísticos
descriptivos, y el análisis bivariable, para conocer posibles correlaciones entre las variables
dependientes e independientes.
En una segunda etapa se ajustaron los modelos a partir de las variables que fueron
codificadas y patronizadas en la primera etapa mediante aproximaciones por regresión
lineal utilizando el método de máxima verosimilitud para el ajuste de los modelos
desarrollados. La comparación del ajuste de los modelos se hizo a partir de la proporción de
la varianza que era explicada por los distintos modelos, utilizando el coeficiente de
determinación (R2) como criterio de comparación. Una vez ajustados los modelos para cada
variable dependiente, los residuos se representaron frente a los valores predichos para
comprobar la homogeneidad de varianzas y la presencia de ¨outliers¨.
Para evaluar la capacidad de predicción de los modelos desarrollados, se llevó a cabo
la tercera y última etapa relativa a la validación de los mismos, utilizando datos recogidos
con posterioridad en algunas de las granjas de las mismas empresas participantes.
Para el estudio estadístico y confección de los modelos se contó con el asesoramiento
del ¨Servicio de Estadística Aplicada de la UAB¨. Además, el tesando realizó una estancia
en la ¨School of Agriculture & Food Science¨ de la ¨University College Dublin¨ (Irlanda)
durante los meses de noviembre de 2011 y enero de 2012 con la idea principal de aprender
algunos conceptos de la modelización matemática de interés para el desarrollo del proyecto.
87
Durante esta estancia se desarrollaron los modelos que se presentan en el capítulo 6 de la
presente Memoria.
Los resultados de todo el proceso se exponen en los tres capítulos siguientes. En el
primero (capítulo 5), se realiza una descripción sistemática de la información recogida a
partir del total de lotes y granjas. Se trata de ofrecer una idea general sobre la actual
situación de la producción española de cerdos de cebo en integración y disponer de
información sectorial mínimamente representativa y fiable.
El segundo estudio (capitulo 6) fue diseñado para desarrollar los primeros modelos
relacionados algunos parámetros de los rendimientos productivos con los factores de
producción más importantes, sin tener en consideración el factor empresa. Con objeto de
reducir la variabilidad de la base de datos original, se tipificaron algunas variables (por
ejemplo: solamente cerdo industrial, base genética semejante,…) lo cual condujo a reducir
el número total de lotes (316), granjas (246) y empresas (6) de la base de datos.
Finalmente en el tercer y último estudio (capitulo 7) se comparó los resultados
obtenidos de modelos desarrollados a partir de una base de datos global con aquellos
obtenidos en cada empresa separadamente utilizando aquellos factores que habían
registrado suficiente variabilidad en cada una de ellas.
Cada capítulo de resultados incluye el objetivo, la metodología específica, los
resultados propiamente dichos, la discusión de los mismos y las conclusiones parciales. La
memoria finaliza con un capítulo de discusión conjunta y la enumeración de las
conclusiones.
88
89
Capítulo 5
Descriptive study of production factors affecting performance traits in growing
finishing pigs in Spain
90
91
5.1. Objectives
The objective of this chapter was to create a dataset of GF pig farms from several
companies in Spain in order to have representative information of the present
characteristics of the Spanish GF pig industry. Furthermore, the relationships among
performance indexes and production factors were also described in a bivariate analysis.
5.2. Material and Methods
5.2.1. Data collection
Data were collected between July 2008 and July 2010 from a total of 452 GF farms.
Recruited farms were integrated in nine out of the twenty five biggest pig companies in
Spain, accounting for about 20% of the national GF pig production. Most of the farms were
located in three Spanish regions, Aragón (44%), Cataluña (35%) and Castilla y León
(18%), while a small group (3%) was located in other communities: Navarra, La Rioja and
Valencia. One to three batches of animals per farm were included in the database adding up
to a total of 764 batches. Batch was defined as a group of pigs from around 15‐27 kg that
entered a GF unit and was raised until they reached a suitable weight for slaughter. A total
of 1,157,212 pigs, accounting for about 1.5% of the total number of pigs slaughtered in
Spain during the two-year period, were used to evaluate the variability of both production
factors and productive performance. Production factors were registered at farm level and
productive performance was recorded at batch level.
92
All variables to be registered were selected after an extensive literature review. All
variables had been proven to be variation factors in the final output of GF pig farms. On
farm data were collected through a survey model prepared by the research team in
agreement with field veterinarians and pig companies participating in the study. The survey
was divided in four sections as indicated in Table 1; three of these sections were related to
production factors and one was related to productive performance.
Regarding productive performance records, also included in Table 5.1, number of
pigs placed (NPP) corresponded to the number of pigs which entered the unit in each batch.
Averages initial and final body weight (IBW and FBW, kg/pig) were defined as the total
batch weight divided by the number of pigs in each batch when entering the GF unit and
prior to transportation to the slaughter facility respectively. Total feed intake (TFI, kg/pig)
was calculated from the total feed delivered to each batch minus the amount of feed
remaining in the silos when each batch was slaughtered, divided by the number of marketed
pigs. Average daily gain (ADG) was calculated the as the difference between IBW and
FBW divided by the number of days between these measures. Feed conversion ratio (FCR,
kg/kg) was obtained dividing the total feed delivered to each batch (kg) by the difference
between the total kilograms of pigs sent to slaughter and the total kilograms of pigs that
entered at the GF batch. The ¨total duration of GF¨ (TDURFAT, days) is calculated as the
number of days elapsed between the entrance of the first group of pigs in the GF unit and
the exit of the last group of pigs sent to the slaughterhouse. In contrast, the ¨average
duration of GF¨ (ADURFAT, days) is calculated as the average number of days between
the entrance in the GF unit and the exit to slaughter for different groups of pigs sent to the
slaughterhouse, respectively. Culling rate (CR) represented the percentage of animals
having market value lower than 100%. Causes for this devaluation may be: batch weight far
93
from the average body weight, previous disease, poor conformation, etc. The percentage
barn occupation (BO) was calculated as the number of pigs in the barn divided by the total
pig places in the barn multiplied by 100. Finally, mortality rate (MORT) was calculated as
the difference between the number of growing pigs entering into the fattening house and the
number of pigs sent to the slaughterhouse divided by the number of pigs that entered the
GF unit multiplied by 100.
5.2.2. Data analysis
The dataset obtained from the survey was submitted to univariate and bivariate
descriptive analysis. Descriptive analysis of classification variables was performed through
frequency study using Proc Freq of SAS (SAS Inst., Inc., Cary, NC, USA, version 9.2) for
variables included in the group general information, facilities and feeding in table 1. Farm
was the experimental unit for all these variables. Descriptive analysis of continuous
variables was performed through measures of central tendency (mean and median) and
dispersion (standard deviation, quartiles and range). For continuous variables (productive
performance) batch was the experimental unit. Bivariate analysis of continuous variables
was done by Pearson correlation analysis using Proc Univariate, and Proc Corr of SAS.
Bivariate analysis of continuous variables AFI, ADG, TDURFAT, FCR and MORT
depending on classification variables and was done by using Proc Mixed of SAS with
company as random effect and batch as experimental unit. Only company was considered
as a random effect because many farms contributed to the study with only one batch of
pigs, thus the random effect of farm could not be studied.
94
Table 5.1. Description of the variables recorded.
Variable Variable definition
General information YEAR Year of placement TRIMESTER Trimester of placement HERD Type of herd PIGFAT Type of commercial pig produced SPLITSEX Split-sex in pens GENDER Genders presents BREED Breed of the sire pigs ORIGIN Number of pig origins AUJESVAC Number of Aujeszky´s dose vaccine CIRCOVAC Circovirus vaccine MYCOVAC Mycoplasma vaccine
Facilities AGEBARN Age of the barn PIGPEN Number of pigs per pen FLOOR Floor conditions FEEDER Type of feeder DRINKER Type of drinker VENT Type of ventilation control CS Cooling system
Feeding FPHASE Number of feed phases FFORM Form of the feeds FREQATB Frequency of antibiotic treatments PATHATB Pathways of antibiotics used WATERSOU Water source at the farm WATERHIG Water hygienization NE Content of net energy in each feed (kcal/kg) CP Content of crude protein in each feed (%) TL Content of total lysine in each feed (%)
Production performance/records
NPP Number of pigs placed IBW Initial body weight (kg/pig) FBW Final body weight (kg/pig) ADURFAT Average duration of the fattening period (days) TDURFAT Total duration of the fattening period (days) CR Culling rate (%) BO Barn occupation (%) TFI Total feed intake (kg/pig) ADG Average daily gain (kg/pig) FCR Feed conversion ratio (kg/kg) MORT Mortality rate (%)
95
5.3. Results and discussion
Results of categorical variables describing the farms are presented in Table 5.2. This
study included information mainly about GF farms (94.7%) including pig batches
distributed during all trimesters of 2008 and 2009. According to the MAGRAMA (2011),
11% of the pig farms in Spain were classified as farrow-to-finish farms. Thus a low
proportion of this type of farms was expected. Concerning farm size, the median value of
NPP was 1,217 with values ranging between 233 and 6,198 pigs per batch and 80% of the
farms having between 500 and 2500 pigs per batch (Figure 5.1). In Spain, it has been
observed a concentration of pig producers in the last years with a decrease in the total
number of GF farms and an increase in the number of pigs per farm.
Figure 5.1. Distribution of the number of pigs placed per batch (764 batches).
0
5
10
15
20
25
30
% o
f b
atch
es
Number of pigs placed
96
The type of animal produced in each farm depends on the final objective of the
producer. Spain is the world leader in production of dry-cured hams and for this purpose
high final weight pigs are needed (Resano et al., 2007). Thus, most farms (86.7%)
produced ¨industrial pigs¨ (95-110 kg at slaughtering) and 13.3% produced ¨heavy fat pigs¨
(> 110 kg). The type of pig produced is also closely related to the gender and breed of the
animals used. Gender segregation in pens (49.8%), use of entire males (59.5%) and
Pietrain-sire pigs (70.0%) are used to produce “light” or ¨industrial¨ pigs while mixed-sex
pens, presence of barrows and White (Landrace, Large White or their commercial
crossings; 19.6%) and/or Duroc-sire pigs (7.8%) are combinations used to produce
¨industrial¨ or ¨heavy¨ pigs.
Concerning ¨facilities¨, information about age of farms in Spain is scarce in the
literature and in many cases pig farms owners do not know the real age of their farms. In
the present study, 38.5% of the farms did not have reliable information about age,
approximately 42% of the farms were between ten and thirty years old and only 8.2%
reported to be thirty years old or more. Presumably, many farms not able to report age were
more than thirty years old. Most farms had pens with capacity for 13 to 20 pigs (87%), with
50% of concrete slated floor (70%) and nipple drinker (89%). However, a higher
heterogeneity was found in feeder type with 54% of farms having a ¨single-space¨ dry
feeder, 20.6% having this feeder with an incorporated drinker and 24.3% having a ¨multi-
space¨ conventional dry feeder. Pen size has been increased in recently built GF farms due
to better outputs (Penny, 2000) but a low percentage (1.1%) of pens containing more than
20 pigs was found.
97
Table 5.2. Characterization of the descriptive variables recorded from 452 growing-finishing farms.
Variable Categories
General information
YEAR1 2008 (33.7%), 2009 (63.5%), 2010 (2.8%)
TRIMESTER1 Jan-Feb-Mar (18.3%), Apr-May-Jun (26.4%), Jul-Aug-Sep (18.1%), Oct-Nov-Dec (37.2%)
HERD Nursery and growing-finishing (5.3%), Growing-finishing (94.7%)
PIGFAT Industrial 95-110 kg (86.7%), Heavy > 110 kg (13.3%)
SPLITSEX Mixed-sex (50.2%), Single-sex (49.8%)
GENDER Male, female and barrow (11.7%), Male and female (59.5%), Barrow and female (23.5%), Missing (5.3%)
BREED2 Pietrain (69.9%), White (19.6%), Duroc (7.8%), Pietrain x White (1.3%), Others (1.3%)
ORIGIN One origin (54.4%), Two or more origins (45.6%)
AUJESVAC One dose (11.1%), Two doses (21.9%), Three doses (65.3%), Missing (1.7%)
CIRCOVAC No (76.4%), Yes (21.9%), Missing (1.7%)
MYCOVAC No (76.2%), Yes (22.1%), Missing (1.7%)
Facilities
AGEBARN < 10 years (11.5%), Between 10 and 30 years (41.8%), > 30 years (8.2%), Missing (38.5%)
PIGPEN 12 pigs (9.3%), Between 13 and 20 pigs (87.2%), > 20 pigs (1.1%), Missing (2.4%)
FLOOR Slatted < 50% (27.9%), Slatted 50% (69.9%), Missing (2.2%)
FEEDER Multi-space (24.3%), Single-space (54.0%), Single space with incorporated drinker (20.6%), Others (0.2%), Missing (0.9%)
DRINKER Nipple (88.7%), Bowl (6.6%), Only drinker incorporated in feeder (2.7%), Missing (2.0%)
VENT Manual (27.9%), Automatic (71.2%), Missing (2.0%)
CS No (87.8%), Yes (10.3%), Missing (1.7%)
Feeding
FPHASE Two (0.7%), Three (75.0%), Four (24.3%)
FFORM Pellet (90.9%), Meal (9.1%)
FREQATB Until twice (37.8%), Three or more times (61.3%), Missing (0.9%)
PATHATB Water (1.1%), Feed (21.3%), Injection (0.2%), Water+Feed (13.9%), Feed+Injection (9.1%), Water+Feed+Injection (51.3%), Missing (3.1%)
WATERSOU Well (23.2%), River (17.7%), Public water (36.5%), Others (8.4%), Missing (14.2%)
WATERHIG No (37.8%), Yes (55.8%), Missing (6.4%)
NE3 Feed 1 (2,403 72.68), Feed 2 (2,376 78.26), Feed 3 (2,360 57.14)
CP3 Feed 1 (17.12 1.91), Feed 2 (16.15 0.72), Feed 3 (15.60 0.83)
TL3 Feed 1 (1.12 0.13), Feed 2 (1.10 0.23), Feed 3 (0.93 0.08)
NE4 Feed 1 (2,414 54.36), Feed 2 (2,399 41.21), Feed 3 (2,419 68.19), Feed 4 (2,428 93.82)
CP4 Feed 1 (17.63 1.29), Feed 2 (17.21 0.99), Feed 3 (16.63 0.80), Feed 4 (15.66 0.95)
TL4 Feed 1 (1.17 0.02), Feed 2 (1.03 0.09), Feed 3 (0.96 0.16), Feed 4 (0.85 0.16)
1 Considering batches as experimental units (n = 764). 2 For ¨White breed¨ it was considered the follow breeds: Landrace or Large White or the crossing between them. 3 Means and standard deviations in each feed phase used by 555 batches belonging to 347 herds that had three feed phases at growing-finishing period. 4 Means and standard deviations in each feed phase used in 218 batches belonging to 116 herds that had four feed phases at growing-finishing period.
98
Both ¨number of pigs per pen¨ and ¨percentage of slatted floor¨ are important for
other factors like the temperature, density of animals, ventilation control and number of
feeders and drinkers. In the last years, there was an increase in single-space feeders with an
incorporated drinker in GF pig farms because they have been associated to better feed
intake. In fact multi-space feeders were normally found in older farms. Concerning
environmental control, most farms (71%) had ¨automatic¨ ventilation but only 10.3% of
farms had cooling systems available. In Spain, the use of automatic ventilation control and
cooling systems in pig farms could be justified due the high temperatures observed between
May and September.
Concerning feeding programs, most farms used three (75%) or four (24.3%) feeding
phases based on pig age or weight depending on the company and almost all farms used
pelleted feeds (91%). Liquid feed has been implanted in some GF farms in recent years but
none of them were included in the database. Feeding programs included in this study follow
FEDNA (2006) recommendations to some extent but they are difficult to compare because
the time each feeding phase is used is very different among farms. Regarding the source of
drinking water, 36.5% of farms used public tap water, in approximately 23% water came
from a private well, 17.7% used water from a river and 8.5% from other sources. Moreover,
56% of farms treated the drinking water on farm, in coincidence with those farms which did
not use public tap water. This variable indicates indirectly water quality used by pig farms
and it could influence productive performance (Nyachoti et al., 2005).
Regarding health status, the number of pig origins in each batch is a very important
factor affecting health in GF farms (Maes et al., 2000, 2004). In this sense, almost half of
the farms (45.6%) received pigs from two or more origins. This fact may be reflecting the
existence of small weaning farms not able to provide enough number of animals for a
99
particular GF unit. All farms vaccinated their pigs against Aujeszky´s disease with
proximately 11, 22 and 65% of farms vaccinated one, two and three dose, respectively.
However, only around 22% of farms used circovirus and mycoplasma vaccine. Aujeszky´s
disease vaccination is so widely used because this disease is under mandatory reporting in
Spain where the eradication program started in 1995 and was adapted and reinforced in
2003 (BOE, 1995). Circovirus disease (PCV2) was firstly described in Spain in 1997 and
the infection is present in almost 100% of Spanish pig farms (Sibila et al., 2004). However,
commercial vaccine against PCV2 was recently developed and it is starting to be used to
minimize the effects of this disease in pig production. With respect to M. hyopneumoniae, it
is the principal etiologic agent of porcine respiratory disease complex being present in pigs
farms worldwide (Thacker et al., 2006). Vaccination is an important tool to its control
enhancing performance by reducing prevalence and severity of lung lesions. However,
vaccination is more often used in earlier phases and many animals may be already
vaccinated once they reach GF phase. As far as the frequency of antibiotics treatment is
concern, 61.3% of the farms treated three or more times the animals with some kind of
antibiotic while 37.8% treated less than three times. Over half of the farms (51.3%)
combined the use of feed, water and injection to administer antibiotics. This high use of
antibiotics by different methods could be justified by the ban of the use of antibiotic growth
promoter in the EU since 2006 causing an increase in both preventive and curative uses of
antibiotics (Wierup, 2001).
Results for continuous variables describing productive performance were 19.0 2.56
kg and 108.0 6.20 kg for IBW and FBW respectively, 136 12 and 154 17 days for
ADURFAT and TDURFAT respectively, 1.4 1.23% (range 0.0 to 8.0 %) for culling rate,
100
99.7 1.36% for BO, 244 26.1 kg and 0.657 0.0650 kg for TFI and ADG, 2.77 0.178
for FCR and 4.3 2.64 (range 0.0 to 16.5%) for MORT. This results were similar to those
published by the Observatori del Porcí (2012) assessing the main performance parameters
in around 12,475,503 GF pigs from Spain during 2011 with average values of: 18.3 and
105.0 kg for IBW and FBW respectively, 131.5 days for ADURFAT, 229.17 kg for TFI,
0.662 kg for ADG, 2.66 for FCR and finally 3.7% for MORT. Table 5.3 shows the values
of these variables for both industrial and heavy pig types. All values were different between
both types of pigs except for mortality. Heavy pigs had a 3.6% shorter ADURFAT and a
12% longer TDURFAT, and had higher TFI (17.4%), ADG (14.9%), and FCR (6.5%) than
¨industrial¨ pigs. Because of these differences between industrial and heavy pigs, bivariate
descriptive analysis results are presented in table 4 and 5 only for industrial pigs in order to
avoid confounder effects.
Correlation analysis between continuous variables (Table 5.4) showed strong
correlations (absolute values 0.60) among IBW-ADURFAT (- 0.60), FBW-TFI (0.71),
ADURFAT-ADG (- 0.77), TDURFAT-ADG (- 0.60) and TFI-FCR (0.70). Most of these
correlations may be expected, as could the correlation between feed intake and the duration
of the GF period or the fact that IBW, and not FBW, is correlated to ADURFAT. In the
other hand, the weakest correlations (absolute values 0.05) were observed between IBW-
MORT (0.01), FBW-TDURFAT (0.01), FBW-MORT (- 0.03), BO-TFI (0.02), BO-ADG (-
0.05) and TFI-ADG (0.01). These low correlations are mostly due to a narrow distribution
of variables like FBW or BO. For IBW-MORT the result may be not expected since the
initial weight of the animals entering the GF unit does suppose a health challenge for the
pigs (Larriestra et al., 2005).
101
Table 5.3. Comparison of the main continuous variables registered between ¨industrial (I)¨ and ¨heavy
(H)¨ fattening pigs through univariate statistical analysis.
Variable Fattened
pig n Mean Std Min 1st quartile Median 3rd quartile Max
ADURFAT I 649 137b 12.7 90 128 135 145 178
H 111 132a 9.8 110 125 131 139 155
TDURFAT I 652 153a 16.9 99 143 155 164 203
H* 29 174b 14.5 147 165 170 184 205
TFI I 653 237a 20.0 176 223 236 250 310
H 111 287b 14.8 231 278 287 296 358
ADG I 649 0.641a 0.051 0.503 0.605 0.638 0.676 0.804
H 111 0.753b 0.058 0.618 0.720 0.758 0.789 0.936
FCR I 653 2.74a 0.172 2.28 2.62 2.71 2.84 3.43
H 111 2.93b 0.115 2.71 2.86 2.93 3.01 3.23
MORT I 653 4.3 2.7 0.0 2.4 3.6 5.4 16.5
H 111 4.5 2.2 0.8 2.9 4.2 5.9 12.2
I: final body weight ranged from 95 to 110 kg. H: final body weight higher than 110 kg. Means in the same column and variable superscripted with different letters were significant (p < 0.001). * Missing values were due to a company which did not provide information about TDURFAT. Variables with their corresponding meaning are presented as follow: ADURFAT - average duration fattening period (days); TDURFAT – total duration fattening period (days); TFI - total feed intake (kg/pig); ADG - average daily gain (kg/pig); FCR - feed conversion ratio (kg/kg); MORT - mortality rate (%).
Table 5.5 shows descriptive bivariate analysis of TFI, ADG, FCR and MORT
depending on classification factors. Pigs that grew during summer period (placed between
April and June) presented lower values of TFI, ADG, FCR and MORT compared to those
which grew in the winter period (placed between October and December). These results
agree with the study published by Oliveira et al. (2009) in Spain and Maes et al. (2004) in
Belgium. Both authors obtained lower mortality rates in batches housed between May and
August.
102
Table 5.4. Pearson correlation coefficients for all production performance recorded in batches from ¨industrial¨ growing-finishing pigs.
*** P < 0.01, ** P < 0.05 Variables with their corresponding meaning are presented as follow: IBW – initial body weight (kg/pig); FBW – final body weight (kg/pig); ADURFAT - average duration fattening period (days); TDURFAT – total duration fattening period (days); CR - culling rate (%); BO - barn occupation (%); TFI - total feed intake (kg/pig); ADG - average daily gain (kg/pig); FCR - feed conversion ratio (kg/kg); MORT - mortality rate (%).
Variables IBW FBW ADURFAT TDURFAT CR BO TFI ADG FCR MORT
IBW 1 - - - - - - - - -
FBW - 0.06 1 - - - - - - - -
ADURFAT - 0.60 *** 0.27 *** 1 - - - - - - -
TDURFAT - 0.24 *** 0.01 0.57 *** 1 - - - - - -
CR - 0.11 * - 0.07 0.24 *** 0.32 *** 1 - - - - -
BO - 0.13 *** 0.14 *** 0.17 *** - 0.11 *** - 0.27 *** 1 - - - -
TFI - 0.24 *** 0.71 *** 0.45 *** 0.27 *** 0.20 *** 0.02 1 - - -
ADG 0.30 *** 0.33 *** - 0.77 *** - 0.60 *** - 0.30 *** - 0.05 0.01 1 - -
FCR 0.21 *** 0.14 *** 0.12 *** 0.28 *** 0.34 *** - 0.16 *** 0.70 *** 0.14 *** 1 -
MORT 0.01 - 0.03 0.13 *** 0.41 *** 0.39 *** - 0.16 *** 0.29 *** - 0.18 *** 0.53 *** 1
103
According to Maes et al. (2004), barn windows are usually closed in cold periods in
order to keep temperature leading to an accumulation of gases that can be harmful for the
animals due to poor ventilation. Furthermore, pigs may reduce feed intake in warm periods
in order to reduce body heat production depending mainly on environmental conditions
inside the barns and diet composition. In our study, diet composition was not adjusted to
environmental conditions and it may explain the TFI reduction. Concerning farm size,
batches with less than 800 pigs presented higher ADG and lower TDURFAT and MORT
with no changes in TFI. Maes et al. (2004) also found a lower mortality in batches
containing less number of pigs (with farms ranging from 65 to 1288 pigs). Oliveira et al.
(2007) also found better ADG in small batches ( 400 pigs vs. > 400 pigs) but Oliveira et
al. (2009) registered no effect on MORT (< 400 pigs; 400-600 pigs; > 600 pigs). Small
herds may allow performing an easier all in/all out management with animals from one
origin improving health status.
As discussed above, split-sex pens, gender and breed of the sire pig were only found
as factors in particular combinations because they are not selected in an independent way.
Thus, these three variables were combined and presented as a single variable in Table 5.5
in order to avoid a confounding effect. Combinations ¨B, F + MS + W¨ and ¨B, F + MS +
D¨ showed the highest TFI, ADG showing also the worst FCR. According to Wise et al.
(1996) productive efficiency depends on gender, age and body weight of pigs being
barrows generally considered less efficient than females which are less efficient than entire
males. Sex segregation in pens is also considered a good method to improve efficiency
Niemi et al. (2010). Finally Edwards et al. (2006) found that Duroc-sired pigs had a higher
body weight, ADG and backfat thickness than pietrain pigs, and it is known that Pietrain-
104
sired pigs are more efficient than other breeds by expressing a higher lean tissue growth
(Gispert et al., 1997). Thus combinations including mixed barrows and females with no
Pietrain genetics were expected to be the less efficient ones.
Concerning facilities, pigs allocated in small pens (< 12 pigs) presented lower
TDURFAT than those in pens containing between 13 and 20 pigs. Published studies
relating the number of pigs per pen over performance considered a small pen with at most
20 pigs and a big pen with at least 50 pigs (Turner et al., 2000). These authors found higher
weight gain in small pens compared to big pens. Both categories used for pen size in the
present study, pens with less than 13 pigs and those containing between 13 and 20 pigs,
were considered ¨small¨ by Turner et al. and maybe the lack of differences is just a lack of
data range. A higher TFI and ADG and a lower TDURFAT was observed in older than in
newer barns despite the large number of missing values registered for this variable (38.5%).
There were no effects on FCR and MORT. Older barns use to be smaller and were
associated to a greater degree of precariousness in building conditions and characteristics of
facilities. However, improvements applied to facilities were not considered in the current
studies. A better assessment of the age of facilities and its status should be included in
future studies.
Pigs placed in pens with < 50% of slated floor tended to have a higher ADG (P =
0.08) compared to those containing 50%. Oliveira et al. (2009) and Averós et al. (2010)
did not find any influence of the percentage of slated floor on TFI and mortality. Percentage
of slated floor is related to health problems caused mainly by the ammonia concentration.
105
Table 5.5. Associations between predictor variables (production factors) and the main outcome variables (productive performance) in batches from
¨industrial¨ growing-finishing pigs. Company was included as random effect and categorical variables which were not significant (P > 0.10) for any
variable are not shown.
Variable TFI ADG TDURFAT FCR MORT
Level n Mean SE P-value Mean SE P-value Mean SE P-value Mean SE P-value Mean SE P-value
Trimester of placement < 0.01 < 0.01 0.02 < 0.01 < 0.01
Jan-Feb-Mar 109 233 b 3.77 0.634 b 0.012 152 a 6.19 2.75 ab 0.039 4.8 a 0.57
Apr-May-Jun 185 226 c 3.66 0.626 b 0.011 149 ab 6.15 2.70 b 0.038 3.5 b 0.56
Jul-Aug-Sep 111 243 a 3.79 0.659 a 0.012 151 ab 6.19 2.75 ab 0.039 4.4 a 0.58
Oct-Nov-Dec 248 240 a 3.61 0.660 a 0.011 148 b 6.14 2.78 a 0.038 4.8 a 0.56
Number of pigs placed 0.26 < 0.01 < 0.01 0.12 < 0.01
< 800 pigs 146 234 3.49 0.656 a 0.011 141 c 6.31 2.73 0.039 3.9 b 0.56
800-2000 pigs 348 235 3.28 0.643 b 0.011 152 b 6.26 2.75 0.038 4.5 a 0.54
> 2000 pigs 159 238 3.51 0.636 b 0.011 156 a 6.31 2.77 0.039 4.8 a 0.56
Gender/Split-sex/Breed 1 <0.01 <0.01 0.40 < 0.01 0.51
M, F, B + SS + P 100 246 ab 6.89 0.591 c 0.027 155 20.94 2.70 bc 0.073 2.8 1.44
M, F + SS + P 243 226 c 4.97 0.655 abc 0.020 154 14.83 2.65 c 0.052 4.0 1.02
M, F + MS + P 180 229 c 3.46 0.644 bc 0.013 149 9.46 2.74 bc 0.035 4.6 0.68
M, F + MS + W 24 241 b 4.86 0.664 ab 0.016 146 9.79 2.87 ab 0.045 5.2 0.83
B, F + MS + W 53 253 a 4.10 0.678 a 0.014 147 9.60 2.92 a 0.040 4.8 0.75
B, F + MS + D 24 242 b 4.87 0.674 a 0.016 143 9.79 2.88 a 0.046 4.1 0.83
Number of animal origins 0.12 0.19 < 0.01 0.04 < 0.01
One origin 386 234 3.30 0.647 0.011 148 5.97 2.74 0.034 4.0 0.47
Two or more origins 267 237 3.47 0.641 0.012 153 6.02 2.77 0.035 5.1 0.49
Circovirus vaccine < 0.01 0.40 < 0.01 < 0.01 < 0.01
No 481 238 3.83 0.649 0.012 148 6.49 2.76 0.043 4.5 0.67
Yes 157 219 4.25 0.645 0.013 143 6.63 2.65 0.046 2.3 0.71
Number of pigs per pen 0.74 0.12 < 0.01 0.49 0.18
≤ 12 pigs 76 236 4.21 0.655 0.012 145 6.20 2.73 0.043 3.9 0.60
13-20 pigs 549 235 3.43 0.644 0.011 150 5.97 2.75 0.038 4.4 0.51
106
Table 5.5. (Continued).
Variable TFI ADG TDURFAT FCR MORT
Level n Mean SE P-value Mean SE P-value Mean SE P-value Mean SE P-value Mean SE P-value
Age of the building 0.06 < 0.01 < 0.01 0.32 0.08
< 10 years 84 233 b 4.26 0.640 b 0.013 150 a 6.54 2.73 0.043 4.1 0.63
10-30 years 298 235 ab 3.89 0.641 b 0.012 150 a 6.42 2.76 0.040 4.6 0.59
> 30 years 61 242 a 4.51 0.665 a 0.013 142 b 6.63 2.77 0.045 4.0 0.66
Floor 0.15 0.08 0.37 0.61 0.84
<50% slatted 220 237 3.52 0.649 0.011 149 5.87 2.75 0.038 4.4 0.54
50% slatted 413 234 3.51 0.641 0.011 150 5.87 2.74 0.038 4.4 0.54
Ventilation 0.02 0.33 0.53 0.01 0.07
Manual 235 239 3.45 0.641 0.012 149 5.97 2.78 0.036 4.7 0.53
Automatic 408 233 3.21 0.648 0.012 150 5.90 2.72 0.035 4.1 0.50
Frequency of antibiotics use 0.30 0.95 0.61 0.16 0.07
Until twice 234 233 4.16 0.643 0.013 148 6.11 2.72 0.045 3.8 0.56
Three or more times 410 238 4.06 0.644 0.012 150 6.07 2.77 0.044 4.9 0.55
Pathways of antibiotic use 0.50 0.09 < 0.01 0.54 0.04
Feed 170 239 4.94 0.658 0.019 135 b 6.90 2.76 0.051 3.3 b 0.64
Water+feed 123 235 5.22 0.640 0.019 146 a 7.00 2.73 0.053 3.9 ab 0.68
Water+feed+injection 325 236 5.53 0.632 0.022 164 a 7.92 2.79 0.058 5.7 a 0.72
Water source 0.93 0.40 < 0.01 0.69 < 0.01
Well 106 234 4.38 0.645 0.015 149 a 6.13 2.71 0.045 3.5 b 0.39
River 109 235 4.24 0.649 0.015 147 a 6.07 2.73 0.045 4.5 a 0.37
Public water 258 233 3.70 0.652 0.014 143 b 5.90 2.72 0.042 3.7 b 0.29
Others 59 233 4.49 0.662 0.015 139 b 6.15 2.72 0.046 3.4 b 0.41
Levels from the variables that contained less than 10 batches were excluded of this table. Means in the same column and variable superscripted with different letters were significant (P 0.05). 1 Gender: M, F, B – male, female and barrow / M, F – male and female / B, F – barrow and female. Split-sex: SS – single-sex / MS – mixed sex. Breed of the sire pigs: P – Pietrain / W – White / D – Duroc.
107
Ye et al. (2009) observed lower ammonia concentration and better air quality in
partial slat pens than those with total slat and Aarnink et al. (1997a) stated that decreasing
the percentage of slated floor from 50 to 25% reduced the ammonia level by 11%. Partial
slat may also help pigs to better define specific areas for resting allowing them to rest in a
dry, solid floor Hacker et al. (1994). A lower TFI, FCR and MORT (trend) with no change
in ADG or TDURFAT was observed in pigs placed in barns equipped with an automatic
ventilation system compared to those with manual system. Results emphasize the
importance of the ventilation system in pig’s thermal sensation, as improving thermal
comfort increases performance Choi et al. (2010). Moreover, according to Wathes (1994),
ventilation system is the most efficient method to reduce the concentration of inside barn
air pollutants.
Concerning health status variables, batches that were filled with pigs from just one
farm origin had lower TDURFAT, FCR and MORT compared to those from two or more
origins. Results from this study agree with some previous studies which observed the
effects of the number and/or type of pig origins on mortality (Maes et al., 2000, 2004;
Oliveira et al., 2007, 2009). According to Maes et al. (2000), there are specific pathogen
sources in each origin farm and thus a mixture of pathogens and immunity status may occur
in a GF batch with multiples origins, increasing the risk of disease and reducing
performance. Vaccination was also an important health related factor. Batches which
performed commercial circovirus vaccine in their pigs presented lower values for TFI,
TDURFAT, FCR and MORT compared to those that did not. This reduction in mortality
and the improvement in feed efficiency in vaccinated pigs also were observed by Segales et
al. (2009) and Jacela et al. (2011). Batches that received two antibiotics treatments or less
during the GF period tended to have a lower MORT than batches that were treated three or
108
more times. Moreover, it was observed a higher ADG and a lower TDURFAT and MORT
in batches which received the antibiotics only through the feed than those in which they
were administrated also through water and/or injection. It was not possible to obtain
detailed information about the type of antibiotics used as well as the purpose of their use.
Farms assessed in the present study did not use antibiotics as growth promoter (AGP)
because of their ban in the European Union in 2006. However, according to Wierup (2001),
banning the use of AGP´s in animal feeds is often associated to an increase in both
preventive and curative use of antibiotics. Probably, the better productive performance
found in batches receiving only in-feed medication was due to a preventive use of
antibiotics whereas water and injection medications were used more for curative purposes
(Miller et al., 2003). In any case, these results show that batches treated more times with
antibiotics are related to poorer health status. Antibiotic treatment could be used as a
monitoring parameter, and those farms using antibiotics three or more times in different
consecutive batches may be worth to explore for possible alternatives strategies.
Finally, batches belonging to farms that obtained the drinking water from ¨public
water supply¨ and ¨other¨ sources presented lower TDURFAT and those that obtained it
from a river had higher MORT in comparison to other ones. Patience (1989) stated that
poor water quality can impair health, reduce productivity and cause death in severe cases,
leading to poor pig welfare and economic losses for the producer. Vico et al. (2011)
observed that pig farms supplied with water sources that were not derived from ¨public
supply¨ had higher level of contamination by Samonella in GF pigs, although the authors
did not assess effects on productive performance. These differences can be justified by the
chloride treatment that normally is performed to public water before its consumption.
109
5.4. Conclusions
The results showed that many of the production factors studied did affect
performance, although some others which were not taken into account in the current study
may also do so. The influence of some production factors were highly significant (e.g.
trimester of placement, ventilation system and circovirus vaccination) and data can help to
quantify their effects. However, other parameters (e.g. type of feeder or drinker, frequency
of antibiotic use and fraction of slated floor) did not show significant effects over
productive performance. Furthermore, some not expected results were found, as the effect
of the number of pigs placed, favouring small farms, over both the total duration of the
fattening period (differences up to two weeks) and the mortality rate (differences up to
19%) or the number of animal origins affecting almost exclusively the mortality rate (about
22% of difference between the levels). This data contribute to better describe the current
situation of the Spanish GF pig production and will be useful for future analysis and
studies.
110
111
Capítulo 6
Factors affecting mortality, feed intake and feed conversion ratio of grow-finishing pigs
112
113
6.1. Objectives
The main objective was to determine the effect of pig management and farm facilities
on total feed intake (TFI), feed conversion ratio (FCR) and pig mortality (MORT) of
Pietrain sired GF pigs using multiple regression analysis. Results from this study could be
used to provide applied scientists and pig companies with useful information to improve
overall farm productivity.
6.2. Material and methods
6.2.1. Sampling and Data Collection
Animal Care and Use Committee approval was not obtained as this study utilized a
database of survey results on existing commercial farm facilities and farm management
practices.
Farm management data from a total of 246 GF herds consisting of 316 batches (1.28
batches per herd, range of one to three batches per herd) with a total of 459,148 Pietrain
sired pigs in six Spanish integrated pig companies were recorded between July 2008 and
December 2009 as outlined in Tables 6.1 and 6.2. The average number of batches per
company was 52.7 (range of 17 to 168 batches per company) with an average of 76,525
(ranging from 18,852 to 243,364) total number of pigs placed per integrated company. The
herds were located in four northern Spanish regions with similar temperature and humidity
across all seasons; Aragón (44%), Cataluña (36%), Castilla y Leon (17%), and Valencia
(3%) where the majority of Spanish pig meat is produced.
114
For the purpose of this study, batch was defined as a group of nursery pigs (19.5
1.73 kg) that entered a GF unit and were raised until they reached a suitable weight for
slaughter (104.0 3.43 kg). Production conditions were recorded by herd, whereas pig
performance records, year, and trimester of placement records were recorded by batch. All
batches were managed in an all-in all-out basis. All herds and batches had the following
factors in common: i) pigs were sent to the slaughterhouse between 95 and 110 kg of body
weight, ii) pigs were either entire male or female, iii) batches had between 10 to 20 pigs per
pen, iv) nipple drinkers were used in herds, v) there was an absence of a cooling system in
herds, vi) three feed phases were used and vii) feed were in pellet form.
Performance traits studied were selected based on an extensive literature review
(Losinger, 1998; Oliveira et al., 2009). Herd data were collected by survey using a
questionnaire model prepared by the research team in consultation with the field
veterinarians of the companies that participated in the project. A descriptive summary of
the categorical and continuous data used in the study are provided in Table 6.1 and Table
6.2 respectively.
Initial and final body weight (IBW and FBW) refers to pig live weight when entering
the GF unit and immediately prior to transportation to the slaughter facility respectively.
Total feed intake per pig in kilograms (TFI) was calculated from the total feed delivered to
each batch minus the amount of feed remaining in the silos when each batch was
slaughtered, divided by the number of marketed pigs. Feed conversion ratio (FCR) was
obtained by dividing the total feed delivered to each batch by the difference between the
total kilograms of pigs sent to slaughter and the total kilograms of pigs that entered at the
GF batch. Mortality rate (MORT) was calculated as the number of nursery pigs that entered
115
the GF unit minus the number of pigs transported for slaughter divided by the number of
pigs that entered the GF unit multiplied by 100.
Table 6.1. Descriptive values of independent categorical variables studied in 316 batches
from 246 herds of grow-finishing pigs belonging to six integrated pig companies.
Potential risk factor Categories (% of batches in each class)
Year of placement 2008 (25.6%) 2009 (74.4%)
Trimester of placement January-February-March (12.7%) April-May-June (34.5%) July-August-September (10.1%) October-November-December (47.7%)
Number of animals placed < 800 pigs (22.8%) 800-2000 pigs (53.5%) > 2000 pigs (23.7%)
Number of pig origins One origin (52.2%) More than one origin (47.8%)
Sex segregation in pens Split-sex (62.3%) Mixed-sex (37.7%)
Floor slat percentage < 50% slat (21.6%) 50% slat (78.4%)
Type of feeder Multi-space (19.6%) Single-space (64.3%) Single-space with incorporated drinker (16.1%)
Type of ventilation control system Manual (28.3%) Automatic (71.7%)
Water source in the herd Public water (30.9%) Others (69.1%)
116
Table 6.2. Descriptive values of independent continuous variables and dependent variables
in 316 batches from 246 herds of grow-finishing pigs belonging to six integrated pig
companies.
Variable Mean s.d.1 95% c.i.2 Min.3 Max.4
Initial body weight (kg) 19.5 1.73 19.3-19.7 17.0 27.8
Final body weight (kg) 104 3.44 104-104.6 96.3 109.9
Length of fattening period (day) 133 9.94 132-134 109 164
Total feed intake (kg/pig) 227 16 225-229 179 278
Feed conversion ratio (kg/kg) 2.71 0.15 2.69-2.72 2.28 3.20
Mortality rate (%) 4.13 2.66 3.84-4.42 0.00 16.5
Square root of mortality rate 1.93 0.65 1.85-2.00 0.00 4.06 1s.d. = standard deviation 2c.i. = confidence interval 3Min. = minimum 4Max. = maximum
6.2.2. Data analysis
Batch was considered the experimental unit for all analyses. Descriptive statistics
were performed for continuous and categorical variables and their distributions were
examined using the UNIVARIATE procedure of SAS (SAS, Cary, NC, USA, version 9.2).
A square root transformation of the mortality data (sqrtMORT) was used to fit with the
normality assumptions of linear regression.
Variables TFI, FCR and sqrtMORT were considered as the dependent variables. All
other continuous and categorical variables (see Tables 6.1 and 6.2) were considered as
predictor variables. Dependent variables were analyzed using linear mixed effects
regression models (SAS, Cary, NC, USA, version 9.2) with company included as random
effect. Variance components estimation was done using restricted maximum likelihood
procedure.
117
Initially, a univariate regression model was used where each predictor variable was
included as a single fixed effect, and variables that had P ≤ 0.25 were selected for use in the
multivariate analysis in the MIXED procedure of SAS (SAS, Cary, NC, USA, version 9.2).
Pearson and Spearman correlations were performed among independent variables in the
multivariate model to avoid multicollinearity between the continuous variables and
confounding problems between the categorical variables. When two variables had a strong
correlation coefficient (absolute value ≥ 0.60), only one was used in the multivariate
analysis. This variable was selected by comparing P-values in the univariate analysis as
well as taken into account its biological relevance with respect to the dependent variable.
Subsequently, the model was developed using a manual stepwise model building
procedure. All factors with a P < 0.05 were retained in the final model. Fixed-effect testing
was based on the F-test with denominator degrees of freedom approximated by the
Satterthwaite’s procedure. Interactions between significant variables in the multivariate
model were tested and included if P < 0.05. After fitting the models for each dependent
variable, residuals were plotted against predicted values to check homogeneity of variances
and the presence of outliers.
6.3. Results
6.3.1. Company
Company did not affect (P > 0.10) any of the dependent variables and therefore was
not included in the final models. Correlations among independent variables were not high (r
< 0.60) and all independent variables were studied to predict each of the response traits.
118
6.3.2. Total feed intake
The TFI per pig per batch was 227 ± 16.0 kg (ranging from 179 to 278 kg) (Table
6.2). Total feed intake was positively correlated with both sqrtMORT (r = 0.38, P < 0.001)
and FCR (r = 0.72, P < 0.001).
Multivariate regression analysis indicated that TFI (Table 6.3) was influenced by
trimester of placement (P < 0.01), sex segregations in the pens (P < 0.001), type of feeder
(P < 0.001) and FBW (P < 0.001). The variables selected explained 63% of the total
variability in TFI.
Categorical variable results with respect to dependent variables are presented based
on differences found between the least-square means adjusted in each level (data not show).
As expected the estimation of TFI by trimester showed that pigs placed in the first
(January-March) and fourth (October-December) trimester had higher TFI (about 2.0%)
than second and third trimester (Table 6.3). When sex segregation was practiced (split-sex
pens), there was a reduction in TFI by 3.4%. Batches with pens arranged with multiple and
single space feeders had greater TFI than batches arranged with single space feeders with
incorporated drinkers (5.6%). However, the difference between multiple and single space
feeders was negligible. Finally, the regression analysis indicated that for every 1 kg
increase in FBW, TFI increased by 3.05 kg.
An interaction between IBW and trimester of placement on TFI was observed (P <
0.01) showing that pigs housed in the warm period (July-September) decreased TFI by -
5.29 1.62 kg per each increment of 1 kg of IBW (P < 0.001), whereas no effect of IBW
on these traits was observed during the rest of the year.
119
Table 6.3. Estimates of the effects of the factors studied (s.e.1) on total feed intake in kilograms per pig in 316 batches from
246 herds of grow-finishing pigs belonging to six integrated pig companies.
Factor Level Estimate (s.e.1) Confidence interval 95%
Low Upper P
Intercept -96.49 (29.08) -153.71 -39.28 0.001
Trimester Jan-Feb-Mar 0 – – –
Apr-May-Jun 36.32 (22.57) -8.10 80.75 0.109
Jul-Aug-Sep 99.76 (30.96) 38.83 160.70 0.001
Oct-Nov-Dec 10.76 (21.81) -32.15 53.67 0.622
Sex segregation Split-sex 0 – – –
Mixed-sex 7.87 (2.17) 3.60 12.14 < 0.001
Type of feeder Single-space + drinker 0 – – –
Single-space 12.94 (2.32) 8.38 17.50 < 0.001
Multi-space 12.89 (1.92) 9.11 16.68 < 0.001
Initial body weight -0.38 (1.04) -2.43 1.65 0.708
Final body weight 3.05 (0.19) 2.68 3.43 < 0.001
Initial body weight * Jan-Feb-Mar 0 – – –
Trimester Apr-May-Jun -2.08 (1.17) -4.38 0.23 0.077
Jul-Aug-Sep -5.29 (1.62) -8.48 -2.10 0.001
Oct-Nov-Dec -0.48 (1.13) -2.71 1.75 0.674
1s.e. = pooled standard error.
120
6.3.3. Feed conversion ratio
The average FCR was 2.71 ± 0.15 (ranging from 2.28 to 3.20, Table 6.2). Feed
conversion ratio was positively correlated with both TFI (r = 0.72, P < 0.001) and
sqrtMORT (r = 0.52, P < 0.001).
Table 6.4 shows the multivariate regression results for factors associated with FCR,
and indicate that FCR was influenced by trimester of placement (P < 0.01), sex segregation
(P < 0.001), percentage of slat on the floor (P < 0.05), type of feeder (P < 0.001) and FBW
(P < 0.05). The variables selected in the model explained 27% of the total variability of
FCR.
Average estimation of FCR by trimester also showed that pigs placed in the first
(January-March) and fourth (October-December) trimester presented poorer FCR (an
increase of 2.4%) than those placed during the rest of the year. When sex segregation was
not practiced (mixed-sex pens), FCR was 4.25% poorer. The slat percentage was important
in determining FCR, pigs finished in farms with less than 50% slated floor had 1.9% better
FCR. There was no noticeable difference between single and multiple spaced feeders
however there was an improvement in FCR when a drinker was incorporated into the single
space feeder (5.1%). Finally, for each 1 kg of increase in FBW, FCR was 0.005 poorer.
An interaction between IBW and trimester of placement on FCR was also found (P <
0.01) showing that pigs housed in the warm period (July-September) improved FCR (-
0.068 0.020 units) per each increment of 1 kg of IBW, whereas no effect of IBW on these
traits was observed during the rest of the year.
121
Table 6.4. Estimates of the effects of the factors studied (s.e.1) on feed conversion ratio (FCR) in 316 batches from 246 herds
of grow-finishing pigs belonging to six integrated pig companies.
Factor Level Estimate (s.e.1) Confidence interval 95%
Low Upper P
Intercept 1.589 (0.369) 0.853 2.307 < 0.001
Trimester Jan-Feb-Mar 0 – – – Apr-May-Jun 0.353 (0.291) -0.219 0.925 0.225 Jul-Aug-Sep 1.282 (0.390) 0.515 2.049 0.001 Oct-Nov-Dec -0.047 (0.282) -0.603 0.508 0.867
Sex segregation Split-sex 0 – – – Mixed-sex 0.116 (0.028) 0.061 0.171 < 0.001
Percentage of slat 50% slat 0 – – – < 50% slat -0.052 (0.023) -0.097 -0.006 0.026
Type of feeder Single-space + drinker 0 – – – Single-space 0.143 (0.032) 0.079 0.206 < 0.001 Multi-space 0.138 (0.026) 0.085 0.190 < 0.001
Initial body weight 0.024 (0.013) -0.002 0.050 0.071
Final body weight 0.005 (0.002) 0.0002 0.010 0.040
Initial body weight * Jan-Feb-Mar 0 – – – Trimester Apr-May-Jun -0.021 (0.015) -0.051 0.008 0.161 Jul-Aug-Sep -0.068 (0.020) -0.109 -0.028 0.001 Oct-Nov-Dec 0.003 (0.015) -0.026 0.032 0.833
1s.e. = pooled standard error.
122
6.3.4. Mortality
The mean mortality rate was 4.13 ± 2.65% (ranging from 0 to 16.51%) (Table 6.2).
Square root of mortality rate was positively correlated with TFI (r = 0.38, P < 0.001), and
negatively with FCR (r = -0.52, P < 0.001).
Multivariate regression analysis indicated that sqrtMORT (Table 6.5) was mainly
influenced by trimester of placement (P < 0.01), number of pig origins (P < 0.01), type of
ventilation (P < 0.001) and number of animals placed (P < 0.01). The variables selected
explained 20% of total variability of sqrtMORT.
Mortality was higher for batches placed between October and March than those
placed between April and September (about 15.9% of difference). It was also observed that
batches containing pigs from one origin had a 10.9% lower sqrtMORT than batches with
pigs from two or more origins. Pigs housed in barns that had an automatic ventilation
system had sqrtMORT (9.6%) than those in barns with manual ventilation systems. Batches
with less than 800 pigs and between 800 to 2000 pigs had a reduction of sqrtMORT of 14.8
and 3.3%, respectively, in comparison to batches that had more than 2000 pigs.
Significant Interactions between both IBW and ventilation control (P < 0.01) and
IBW and pig origins (P < 0.01) on sqrtMORT were also found showing that pigs housed in
barns with manual ventilation systems had decreased sqrtMORT (- 0.146 0.040 units) and
pigs in a batch from one origin increased sqrtMORT (0.128 0.040 units) per each
increment of 1 kg of IBW.
123
Table 6.5. Estimates of the effects of the factors studied (s.e.1) on square root of mortality rate in 316 batches from 246 herds
of grow-finishing pigs belonging to six integrated pig companies.
Factor Level Estimate (s.e.1) Confidence interval 95%
Low Upper P
Intercept 3.609 (0.746) 2.141 5.078 < 0.001 Trimester Jan-Feb-Mar 0 – – – Apr-May-Jun -0.338 (0.108) -0.550 -0.125 0.002 Jul-Aug-Sep -0.301 (0.136) -0.569 -0.033 0.028 Oct-Nov-Dec 0.022 (0.104) -0.184 0.227 0.836
Number of pig Two origins 0 – – – Origins One origin - 2.720 (0.822) -4.337 -1.104 0.001
Type of ventilation Automatic 0 – – – Manual 3.041 (0.857) 1.355 4.728 < 0.001
Number of animal > 2000 pigs 0 – – – Placed 800 – 2000 pigs -0.067 (0.082) -0.228 0.093 0.410 < 800 pigs -0.301 (0.103) -0.503 -0.099 0.004
Initial body weight -0.072 (0.039) -0.148 0.004 0.065
Initial body weight * Automatic 0 – – – Ventilation control Manual -0.145 (0.044) -0.233 -0.059 0.001
Initial body weight * Two origins 0 – – – Pig origins One origin 0.128 (0.042) 0.045 0.211 0.003
1s.e. = pooled standard error.
124
6.4. Discussion
Production performance and economic data are routinely recorded at pig company
and farm levels to provide useful information for farm management decision making.
Several authors (Losinger, 1998; Losinger et al., 1998; Maes et al., 2004; Larriestra et al.,
2005; Oliveira et al., 2007, 2009) have published data related to the effect and relevance of
production factors on the final output of GF pigs. An important factor considered for
selection of herds was the sire line used. In the present study, Pietrain was the most
common sire line used by herds and all batches of pigs recruited had a Pietrain sire line
since it is considered the most used line in Spain (Latorre et al., 2004, 2009) due to its high
genetic potential.
The fixed effect of trimester of placement was significantly associated with TFI,
FCR, and sqrtMORT in this study. The fixed effects of sex segregation, type of feeder and
FBW were associated with TFI and FCR, and the number of pig origins, type of ventilation
control and number of pigs placed were associated with sqrtMORT. The low values of
coefficient of determination (R2) found for FCR (R2 = 0.27) and sqrtMORT (R2 = 0.20) may
be explained by a limited variability in the database studied. Maes et al. (2004) and
Larriestra et al. (2005) also obtained low R2 values (0.20 and 0.13 respectively) evaluating
factors that influence mortality. In contrast, Oliveira et al. (2009) found high R2 values for
mortality and total feed intake (0.41 and 0.80 respectively). In this sense, it is subjective to
compare the R2 from other studies because of differences in variability or the factors
studied. Moreover, despite the low values of R2 found in the present study, the effects
studied were highly significant and consistent showing that in this case the R2 from the
models had limited importance.
125
Pigs arriving to the farm facilities in cold (October to March) seasons had higher TFI
and sqrtMORT and poorer FCR. This is in agreement with Oliveira et al. (2009) who
observed that pigs had higher TFI when placed in cold periods. During cold periods
animals require more energy to keep their body temperature, therefore feed intake increases
which can impair feed efficiency. Maes et al. (2004) and Oliveira et al. (2009) also found
higher mortality in pigs placed during cold season compared to those placed during warm
season, in Belgium and Galicia (Spain), respectively. High mortality in pigs kept during
cold periods can be associated with respiratory diseases originating from poorly ventilated
buildings (Maes et al., 2004). Windows closed for a long period of time to avoid heat loss
can lead to an accumulation of ammonia which can be harmful to animals.
Pigs fed in single-space feeders with incorporated drinker presented better
profitability than pigs fed in single and multi-space feeder without drinker. Studies
conducted by Gonyou and Lou (2000) and Myers et al. (2010) concluded that single-space
feeders with incorporated drinker improved performance of GF pigs. Gonyou and Lou
(2000) observed higher feed intake and growth rate in GF pigs fed in wet/dry feeders than
those fed in dry feeders. According to these authors, the water drinkers incorporated in
feeders decreases the time spent eating contributing to an increase in feed intake and weight
gain. In contrast, Patterson (1991) did not find any benefit in pig performance using feeders
with an incorporated drinker. Our study shows a lower TFI in pigs fed with single-space
feeder with incorporated drinker, which disagrees with the results found by several studies
(Walker, 1990; Anderson et al., 1990; Gonyou and Lou, 2000). However, Payne (1991)
observed an increase in average daily gain without increasing TFI of pigs fed in feeder with
incorporated drinker, as consequence of a lower feed wastage. Thus, in the current study, it
may be possible that the lower TFI found in pigs fed in single-space feeder with an
126
incorporated drinker may be due to the lower feed wastage; in other words, the higher feed
intake observed in pigs fed in both single and multi-space without drinker may be in part
due to the wastage, leading to a poorer FCR.
Batches with mixed-sex pens had higher TFI and poorer FCR than those in split-sex
pens. Hill et al. (2007) suggested the reason for having split-sex pens was related to the
advantages of optimizing diet composition among different sexes, mainly between barrow
and female pigs. In fact, Andersson et al. (2005) found a similar performance between
mixed or split-sex pens using male and female pigs. However, in the present study the same
diet was fed to male and female pigs in split-sex pens. Previous studies also focused on the
importance of split-sex on welfare issues due to the potential aggressiveness between males
and females, indicating that rearing females separately avoided welfare problems and
improved feed efficiency (Giersing and Andersson, 1998; Björklund and Boyle 2006).
The number of pig origins affected sqrtMORT showing that pigs originated from a
one origin had lower mortality. This may be due to an increase in risk in introducing
disease into a herd when pigs are sourced from multiple farms, and it may be also due to
the fact that larger pig herds have to source their pigs from multiple origins to fulfill their
requirements, and pigs in larger herds received less supervision from farm workers.
Previous studies also found an increase in mortality with more than one pig origin (Maes et
al., 2000, 2004; Oliveira et al., 2007, 2009). It has been suggested at each origin herd there
are specific pathogen sources and thus in a GF batch with multiples origins, there may be a
mixture of pathogens and immunity status, increasing the risk of transmission of disease
and reducing performance (Harris and Alexander, 1999; Maes et al. 2000).
Pigs in smaller herds, with a batch size less than 800 pigs placed, had lower
sqrtMORT than larger farms. Maes et al. (2004) also obtained a trend for a reduction in
127
mortality in batches containing a low number of pigs (ranging from 65 to 1288 pigs placed
in their study) and Oliveira et al. (2007) found a reduction in the time to slaughter in small
batches ( 400 pigs vs. > 400 pigs) associated with an improvement in growth rate. In
contrast, Oliveira et al. (2009) found no effect of herd size (< 400 pigs; 400-600 pigs; > 600
pigs) on mortality and TFI. Losinger (1998) observed a better feed efficiency in large herds
(< 800 pigs; 800-2999 pigs; 3000 pigs). Despite these contrasting results, small herds
allow for easier management all in/all out systems, leading to improved health status.
Moreover, to fill large batches may be necessary to use pigs from several origins which
may reduce profitability.
Pigs placed in pens with less than 50% slated floor had better feed efficiency
compared to pens with more than 50%. In contrast, Oliveira et al. (2009) and Losinger
(1998) did not find any influence of slatted floor percentage on TFI or mortality. The
importance of different percentages of slated floor is related with health problems caused
by the ammonia. Aarnink et al. (1997b) found that decreasing the percentage of slated floor
from 50 to 25% reduced the ammonia level in the pen by almost 11%. However, in the
current study it did not observe an effect of slatted floor percentage on sqrtMORT. In any
case, the optimal proportion of slated floor should be related to the density of pigs in the
pen, since pigs use specific areas of the pen to feed, rest and defecate, where resting in a
dry and solid floor is a priority (Hacker et al., 1994). In addition to this the differences
observed in FCR but not in sqrtMORT could be explained by the greater probability
offered being lost through the slats leading to a greater feed wastage in pens with greater
than 50% slatted floor.
128
Automatic ventilation systems in barns, led to a reduction in sqrtMORT. According
to Saha et al. (2010) the purpose of the ventilation system is to maintain a particular
temperature while controlling levels of humidity and removing gaseous contaminants
introduced by the animal and their waste. Therefore, the efficient removal of gases will
depend on the type of ventilation control system used. Choi et al. (2010) observed higher
profitability in nursery pigs housed in barns with automatic ventilation compared to those
housed in manual ventilation. However, Oliveira et al. (2009) did not find differences
between manual and automatic ventilation control on MORT and TFI.
6.5. Conclusions
The performance of GF pigs improved when batches: i) were placed in the spring and
summer season, ii) were raised in smaller farms (< 800 pigs), iii) sourced from one origin,
iv) the pens had single-space feeders with incorporated drinker, v) the pens had less than
50% of slated floor, vi) a split-sex pen (males vs. females) management system was used
and vii) pigs were housed in barns that had automatic ventilation systems. Furthermore, the
results also indicate that variation in TFI and FCR was influenced by IBW and FBW
whereas sqrtMORT was influenced only by IBW. Finally, the different companies had
specific management and facilities characteristics among their integrated farms as
consequence of the limited variability found in the database.
129
Capítulo 7
Managing variability in decision making in Spanish swine production companies
130
131
7.1. Objectives
The objective of this chapter was to collect available information from a
representative number of pig producing companies in Spain and determine the effect of
animal management and farm facilities on feed conversion ratio (FCR) and mortality rate
(MORT) in GF pigs belonging to different companies using two different approaches;
company by company or using a overall database (OD).
7.2. Materials and methods
7.2.1. Sampling information and variables collected in the study
The database included information from a total of 686 batches from 404 GF farms
integrated in seven Spanish companies (abbreviated as “Com” from “A” to “G”) adding up
to a total of 1,040,116 pigs. Information was collected between July 2008 and July 2010
including one to three batches of animals per farm. In all batches, the animals remained in
the GF unit from finishing the nursery phase until slaughter and were managed in an all-in
all-out basis. Pig companies were located in Cataluña, Aragón, and Castilla y León, the
Spanish regions where most pig meat is produced. Data were collected by survey using a
questionnaire model prepared by the research team in consultation with the field
veterinarians of the companies that participated in the project. The recorded variables were
selected from literature. All of them had been proven to act as factors responsible for
variation in the production cycle of GF pigs. For the description of the data, both
132
categorical and continuous variables were used in each company and their details are
shown in Tables 7.1 and 7.2 respectively.
7.2.2. Data processing and analyses
Information from the returned questionnaires was coded into a database (Excel,
Microsoft Corporation). Data were exported for analysis into SAS (SAS, Cary, NC, USA,
version 9.2). Batch was considered the experimental unit for all the analyses. Descriptive
statistics were performed for continuous and categorical variables and their distributions
were examined by using the MEANS and FREQ procedure of SAS respectively. Mortality
rate data was square root transformed (sqrtMORT) in order to achieve normality
assumptions of linear regression. Variables FCR and sqrtMORT were the studied
dependent variables and all categorical variables plus IBW were considered as predictor
variables being the last one, forced into the models. Dependent variables were analyzed
using linear mixed effects regression models. Variance components estimation was done
using restricted maximum likelihood procedure (REML).
Effects of independent variables on dependent variables were studied using two
approaches: 1) data were analyzed separately for each of the seven companies studied,
including in each company´s model only those factors that presented variability for the
company, and 2) data were analyzed combining data from all companies at the same time in
one model using a overall database (OD). One of the companies was not included in the
OD because it fattened pigs to higher FBW compared to the others and this kind of
production present particular production conditions. On the other hand, variables not
provided by one or more of the companies were not taken into account in the OD model in
order to avoid reductions in sample size. Farm was not considered at any random level
133
because most of the farms contributed with only one batch to the database. Company was
included initially as a random factor but it was not significant (P > 0.10) and then it was
excluded from the models.
Initially, a univariate regression model was used where each predictor variable was
included as a single fixed factor to predict. Variables that had P < 0.25 were selected to
build the multivariable model. Before entering the variables into a multivariable model,
bivariate Pearson´s and Spearman´s correlations were performed among independent
variables in order to avoid multicollinearity problems between the continuous variables and
confounding problems between the categorical variables. There were no high correlations
between any of the continuous variables selected (r < 0.60) and all were included in the
multivariate models. However, breed of the pig-sire, gender, and sex segregation in batches
showed a relationship being used only in particular combinations. Thus, these variables
were grouped as a single combined variable. The model was built using a manual stepwise
regression model procedure; all factors with a P < 0.15 were retained in the final model.
Fixed effects were classified as an important factor when they had a P < 0.10 in the final
models. Finally, all two-way interactions between significant variables in the multivariable
model were tested and included if P < 0.05. After fitting the conditional models for each
dependent variable, both normality and homoscedasticity of the residuals were evaluated by
plotting the standardized residuals versus the predicted values and by plotting a Q-Q plot of
the residuals.
134
Table 7.1. Characterization of the descriptive variables recorded from 686 batches in 404 grow-finishing farms belonging to seven
integrated pigs companies.
Company A B C D E F G
AC Cataluña (48.3%) Aragón (51.7%)
Castilla y León (100%)
Cataluña (47.5%) Aragón (36.4%) Valencia (16.1%)
Aragón (100%) Aragón (100%) Cataluña (100%)
Aragón (10.1%) Castilla y León (82.3%) Other (7.6%)
TRIMESTER Apr-May-Jun (34.8%) Oct-Nov-Dec (65.2%)
Jan-Feb-Mar (26.8%) Apr-May-Jun (24.7%) Jul-Aug-Sep (20.6%) Oct-Nov-Dec (27.8%)
Apr-May-Jun (56.6%) Oct-Nov-Dec (43.4%)
Jan-Feb-Mar (24.2%) Apr-May-Jun (25.3%) Jul-Aug-Sep (31.3%) Oct-Nov-Dec (19.2%)
Jan-Feb-Mar (25.7%) Apr-May-Jun (21.6%) Jul-Aug-Sep (31.1%) Oct-Nov-Dec (21.6%)
Apr-May-Jun (51.6%) Oct-Nov-Dec (48.4%)
Jan-Feb-Mar (27.8%) Apr-May-Jun (12.7%) Jul-Aug-Sep (27.8%) Oct-Nov-Dec (31.7%)
PIGFAT Industrial (100%) Industrial (100%) Industrial (100%) Industrial (100%) Industrial (100%) Industrial (100%) Heavy (100%)
GENDER Male and female (100%)
Male and female (64.9%) Barrow and female (35.1%)
Male and female (59.6%) Barrow and female (40.4%)
Male and female (100%)
Male and female (100%)
Male and female (100%)
Barrow and female (100%)
SPLITSEX Split-sex (100%) Mixed-sex (100%) Mixed-sex (100%) Split-sex (100%) Mixed-sex (100%) Split-sex (100%) Mixed-sex (100%)
BREED Pietrain (100%) Pietrain (64.9%) White (35.1%)
Pietrain (36.4%) White (45.4%) Duroc (18.2)
Pietrain (100%) Pietrain (100%) Pietrain (100%) White (100%)
CIRCOVAC No (34.3%) Yes (65.7%)
No (100%) No (80.8%) Yes (19.2%)
No (100%) No (100%) No (100%) No (100%)
ORIGIN One (39.6%) More than one (60.4%)
One (49.5%) More than one (50.5%)
One origin (22.2%) More than one (77.8%)
One origin (100%) One origin (100%) One origin (100%) One (40.5%) More than one (59.5%)
AGEBARN Not available < 10 years (14.4%) 10 to 30 years (41.2%) > 30 years (44.3%)
10 to 30 years (100%)
< 10 years (28.3%) 10 to 30 years (71.7%)
< 10 years (39.2%) 10 to 30 years (60.8%)
< 10 years (29.0%) 10 to 30 years (71.0%)
< 10 years (27.8%) 10 to 30 years (72.2%)
PIGPEN 10 to 20 pigs (100%) < 10 pigs (54.6%) 10 to 20 pigs (45.4%)
< 10 pigs (24.1%) 10 to 20 pigs (75.9%)
10 to 20 pigs (100%) 10 to 20 pigs (100%) 10 to 20 pigs (100%) < 10 pigs (5.1%) 10 to 20 pigs (94.9%)
135
Table 7.1. (Continued).
Company A B C D E F G
FLOOR 50% slatted (100%) < 50% slatted (29.9%) 50% slatted (70.1%)
< 50% slatted (45.7%) 50% slatted (54.3%)
< 50% slatted (37.4%) 50% slatted (62.6%)
< 50% slatted (100%)
< 50% slatted (48.3%) 50% slatted (51.7%)
< 50% slatted (12.7%) 50% slatted (87.3%)
FEEDER Single-space (100%)
Multiple-space (58.8%) Single-space (19.6%) Single-space + drinker (21.6%)
Multiple-space (100%)
Single-space (100%)
Multi-phase (6.8%) Single-space + drinker (93.2%)
Single-space (19.4%) Single-space + drinker (80.6%)
Multi-space (16.9%) Single-space + drinker (83.1%)
DRINKER Nipple (100%)
Nipple (40.2%) Bowl (36.1%) Without drinker (23.7%)
Nipple (100%) Nipple (100%) Nipple (100%) Nipple (45.4%) Bowl (54.6%)
Nipple (100%)
VENT Automatic (100%) Manual (71.1%) Automatic (28.9%)
Manual (100%)
Automatic (100%) Manual (75.7%) Automatic (24.3%)
Manual (9.7%) Automatic (90.3%)
Automatic (100%)
FPHASE Three (100%) Three (100%) Four (100%) Three (100%) Three (100%) Three (100%) Four (100%)
FFORM Pellet (100%) Pellet (100%) Pellet (100%) Pellet (100%) Pellet (100%) Pellet (100%) Meal (100%)
PATHATB Water + feed + injection (100%)
Feed (50.5%) Water + feed (49.5%)
Water + feed + injection (100%)
Feed (100%)
Water + feed (100%) Not available
Feed + injection (100%)
WATERSOU
Well (9.9%) River (53.5%) Public water (28.2%) Others (8.4%)
Well (85.6%) Public water (14.4%)
Not available Public water (100%)
Public water (40.5%) Others (59.5%)
Public water (100%) Well (100%)
NPP
< 800 pigs (19.8%) 800 to 2000 pigs (58.0%) > 2000 pigs (22.2%)
< 800 pigs (54.6%) 800 to 2000 pigs (45.4%)
< 800 pigs (15.2%) 800 to 2000 pigs (57.6%) > 2000 pigs (27.2%)
< 800 pigs (8.1%) 800 to 2000 pigs (43.4%) > 2000 pigs (48.5%)
800 to 2000 pigs (58.1%) > 2000 pigs (41.9%)
< 800 pigs (35.5%) 800 to 2000 pigs (54.8%) > 2000 pigs (9.7%)
< 800 pigs (11.4%) 800 to 2000 pigs (60.8%) > 2000 pigs (27.8%)
AC - autonomous community; TRIMESTER - trimester of placement; PIGFAT - type of pigs fattened; GENDER - genders present at batches; SPLITSEX - sex segregation in pens; BREED - breed of the pig-sire; CIRCOVAC - circovirus vaccine; ORIGIN - number of pig origins; AGEBARN - age of the herds; PIGPEN - number of pigs per pen; FLOOR - percentage of slatted floor; FEEDER - type of feeder; DRINKER - type of drinker; VENT - ventilation control system; FPHASE - number of feed phases; FFORM - feed form; PATHATB - routes used to perform treatments; WATERSOU - water source in the herd; NPP - number of pigs placed.
136
Table 7.2. Means and standard deviation of initial and final body weight (IBW; FBW), feed conversion ratio (FCR) and square root of
the mortality rate (sqrtMORT) observed from 686 batches in 404 grow-finishing farms belonging to seven integrated pigs companies.
Productive parameters
IBW FBW FCR sqrtMORT
Company N Mean SD Mean SD Mean SD Mean SD
A 207 19.2 1.62 104.8 4.52 2.67 0.12 2.01 0.60
B 97 21.0 1.43 106.7 4.85 2.83 0.17 1.68 0.51
C 99 18.8 1.86 106.4 3.41 2.89 0.22 2.61 0.64
D 99 16.5 1.83 108.2 2.57 2.68 0.08 1.62 0.40
E 74 17.4 1.82 107.1 3.14 2.60 0.10 1.84 0.44
F 33 20.1 5.21 106.5 3.93 2.59 0.10 1.83 0.45
G 79 20.7 2.04 119.7 3.55 2.90 0.11 1.90 0.37
OD* 607 18.8 7.52 106.7 9.50 2.72 0.42 1.93 1.49 * OD - database of companies A to F. Initial body weight (IBW) refers to pig live weight when entering the GF unit. Final body weight (FBW) was the live weight recorded in the GF unit prior to transportation to the slaughter facility. Feed conversion ratio (FCR) was obtained dividing the total feed delivered to each batch (kg) by the difference between the total kilograms of pigs sent to slaughter and the total kilograms of pigs that entered a GF batch. Finally, mortality rate (MORT) was calculated as the number of nursery pigs that entered the GF unit minus the number of pigs transported for slaughter divided by the number of pigs that entered the GF unit.
137
7.3. Results
A total of 686 batches housed in 404 GF farms integrated in seven companies (about
98 batches and 148,588 pigs by company) were analyzed separately by company as well as
grouped (n= 607 batches from 363 herds). Mean and SD for IBW and FBW for OD data
were 18.8 ± 7.52 and 106.7 ± 9.50 kg respectively. Details for each company are shown in
Table 7.2.
7.3.1. Feed conversion ratio
Mean and SD for FCR of the ¨OD¨ was 2.72 ± 0.42 kg/kg (ranging from 2.30 to 3.42
kg/kg). Averages and SD of FCR found for each company are shown in Table 7.2.
Multivariate regression analysis (Table 7.3) indicated that in ¨Com C¨ the FCR was
0.09 poorer on average when batches were located in Cataluña compared to Aragón (P <
0.10). The FCR was 0.07 better when pigs were placed between April-June at ¨Com C¨ (P
< 0.10) and 0.09 when they were placed between January-March at ¨Com E¨ (P < 0.01) in
comparison to those placed in October-December. Moreover, the effect of the season of
placement on FCR varied depending of: 1) ¨circovirus vaccine¨ at ¨Com A¨; 2) ¨breed of
the pig-sire / gender / sex segregation¨ at ¨Com B¨ and 3) ¨initial body weight¨ at ¨OD¨. The
use of a White and Duroc sire-pigs, presence of barrow and mixed-sex had 0.15 (P < 0.01)
and 0.13 (P < 0.10) poorer FCR respectively compared to those batches that had a Pietrain
sire-pig, males and mixed-sex at ¨Com C¨. Furthermore, the influence of the ¨breed of the
pig-sire / gender / sex segregation¨ on FCR was modified by the season of placement
(¨Com B¨) and initial body weight (¨OD¨). The effect of the use of a vaccine against
circovirus disease on FCR depended on the season of placement at ¨Com A¨. Batches
138
containing pigs from a unique origin had 0.10, 0.04 and 0.05 better FCR at ¨Com C¨ (P <
0.10), ¨Com G¨ (P < 0.10) and ¨OD¨ (P < 0.01) respectively than when they came from
multiple origins. The ¨Com F¨ had a poorer FCR (0.07) in batches belonging to farms
which were between 10 and 30 years old than those newer than 10 years (P < 0.05).
Moreover, at ¨Com D¨ the effect of ¨herd age¨ on FCR was modified when IBW varied. A
better FCR (0.04 ud) was found in batches from farms at ¨Com E¨ (P < 0.10) which did not
obtain the water drink from the public supply. For ¨OD¨, there was an improvement in FCR
by 0.08 and 0.06 when pigs were fed in a single-space feeder with an incorporated drinker
compared to both multi and single-space feeder without any incorporated drinker
respectively (P < 0.001). The FCR was 0.05 poorer in batches containing between 800-
2000 pigs at ¨Com A¨ (P < 0.05) and about 0.16 poorer in batches containing more than
2000 pigs at ¨Com C¨ (P < 0.05) in comparison to batches containing less than 800 pigs.
Finally, for every 1 kg increase in IBW, FCR was 0.020, 0.031, 0.025 and 0.025 poorer in
¨Com A¨, ¨Com D¨, ¨Com G¨ and ¨OD¨ respectively (P < 0.001).
139
Table 7.3. Parameter estimates (standard error in parenthesis) for the feed conversion ratio (FCR) in each company studied (n = 686
batches) and when companies A to F were grouped in the same database (OD, n = 607 batches)1.
Variable Companies
A B C D E F G OD2
Intercept 2.257 (0.10)*** 3.093 (0.21)*** 2.779 (0.25)*** 2.157 (0.13)*** 2.596 (0.12)*** 2.541 (0.06)*** 2.413 (0.12)*** 2.257 (0.11)***
Autonomous community
Cataluña S U 0.088 (0.05) † U U U S S
Castilla y León S U A U U U S S
Valencia S U - 0.065 (0.06) U U U S S
Other S U A U U U S S
Aragón S U – U U U S S
Trimester of placement
Jan-Feb-Mar A - 0.243 (0.05)*** A S - 0.089 (0.03)** S S - 0.031 (0.12)
Apr-May-Jun - 0.034 (0.02)* - 0.327 (0.04)*** - 0.074 (0.04) † S - 0.023 (0.03) S S 0.150 (0.09)
Jul-Aug-Sep A - 0.310 (0.05)*** A S - 0.015 (0.03) S S 0.297 (0.10)**
Oct-Nov-Dec – – – S – S S –
BREGENSEG3
Pietrain – Male – Mixed-sex U – – U U U U –
Pietrain – Male – Split-sex U A A U U U U 0.243 (0.10)*
White – Male – Mixed-sex U A 0.036 (0.06) U U U U 0.566 (0.34)†
White – Barrow – Mixed-sex U - 0.048 (0.05) † 0.155 (0.06)** U U U U 0.528 (0.23)*
Duroc – Barrow – Mixed-sex U A 0.133 (0.07) † U U U U 0.829 (0.26)**
Circovirus vaccine
No 0.122 (0.02)*** U S U U U U S
Yes – U S U U U U S
Number of pig origins
One origin S S - 0.098 (0.06) † U U U - 0.039 (0.02)† - 0.048 (0.01)**
More than one origin S S – U U U – –
Herd age
< 10 years A S U – S – S A
10 to 30 years A S U 0.505 (0.16)** S 0.068 (0.03)* S A
> 30 years A S U A S A S A
140
Table 7.3. (Continued).
Variable Companies A B C D E F G OD2
Type of feeder
Multi-space U S U U S S S 0.075 (0.02)***
Single-space U S U U S S S 0.058 (0.02)***
Single-space with drinker U S U U S S S –
Routes utilized to perform treatments
Feed U S U U U A U A
Feed + Water U S U U U A U A
Feed + Water + Injection U S U U U A U A
Water source in the farm
Well S S A U A U U A
River S S A U A U U A
Other S S A U - 0.041 (0.02)† U U A
Public supply S S A U – U U A
Number of animals placed
< 800 pigs – S – S A S S S
800-2000 pigs - 0.045 (0.02)* S 0.092 (0.06) S S S S S
> 2000 pigs - 0.015 (0.02) S 0.163 (0.07)* S S S S S
Initial body weight 0.020 (0.005)*** - 0.004 (0.009) - 0.001 (0.01) 0.031 (0.008)*** 0.005 (0.01) 0.001 (0.003) 0.025 (0.005)*** 0.025 (0.01)***
Trimester * Circovirus vaccine
Apr-May-Jun / No vaccinated 0.142 (0.04)*** U U U U U U U
/ Vaccinated – U U U U U U U
Oct-Nov-Dec / No vaccinated – U U U U U U U
/ Vaccinated – U U U U U U U
Initial body weight * Herd age
Initial body weight / < 10 years U U U – U U U U
/ 10 to 30 years U U U - 0.028 (0.01)** U U U U
Initial body weight * Trimester
Initial body weight / Jan-Feb-Mar U U U U U U U - 0.0005 (0.006)
/ Apr-May-Jun U U U U U U U - 0.011 (0.005)*
/ Jul-Aug-Sep U U U U U U U - 0.018 (0.005)**
/ Oct-Nov-Dec U U U U U U U –
141
Table 7.3. (Continued).
Variable Companies A B C D E F G OD2
Trimester of placement * BREGENSEG
Jan-Feb-Mar / Pietrain – Male – Mixed-sex U – U U U U U U
/ White – Barrow – Mixed-sex U 0.228 (0.07)*** U U U U U U
Apr-May-Jun / Pietrain – Male – Mixed-sex U – U U U U U U
/ White – Barrow – Mixed-sex U 0.197 (0.09)* U U U U U U
Jul-Aug-Sep / Pietrain – Male – Mixed-sex U – U U U U U U
/ White – Barrow – Mixed-sex U 0.280 (0.08)*** U U U U U U
Oct-Nov-Dec / Pietrain – Male – Mixed-sex U – U U U U U U
/ White – Barrow – Mixed-sex U – U U U U U U
Initial BW * BREGENSEG
Initial BW / Pietrain - Male - Mixed-sex U U U U U U U –
/ Pietrain - Male - Split-sex U U U U U U U - 0.015 (0.005)**
/ White - Male - Mixed-sex U U U U U U U - 0.025 (0.02)
/ White - Barrow - Mixed-sex U U U U U U U - 0.019 (0.01) †
/ Duroc - Barrow - Maxed-sex U U U U U U U - 0.035 (0.01)*
1 Variables not significant with respect to FCR in all companies studied and in OD were not described at the table. 2 OD - overall database. Data from ¨company G¨ was not included. 3 BREGENSEG - This variable combined ¨breed of the pig-sire¨, ¨genders present in batches¨ and ¨sex segregation in batches¨.
S - Variable was not selected to the final model; U - Variable non-used in the model (without variability); A - Variable or level not available.
(–) Factor level not affecting the intercept value of multiple regression models. * P < 0.05; ** P < 0.01; *** P < 0.001; † P < 0.10.
142
7.3.2. Square root of mortality rate
Mean and SD for sqrtMORT for the ¨OD¨ was 1.93 ± 1.49 (ranging from 0.0 to 4.06).
Means and SD for sqrtMORT found for each company are shown in Table 7.2.
Multivariate regression analysis (Table 7.4) indicated that at ¨Com C¨, batches
belonging to farms located in Cataluña had a higher sqrtMORT by 0.25 (P < 0.10)
compared to farms from Aragón. It was observed a reduction in sqrtMORT when pigs were
placed in warm seasons. In particular, when compared to pigs placed between October-
December, pigs in ¨Com B¨ that entered on farms between April-June and July-September
decreased sqrtMORT by 0.45 (P < 0.001) and 0.43 (P < 0.01) respectively; pigs placed
from April to June reduced sqrtMORT by 0.25 and 0.35 in ¨Com C¨ and ¨Com F¨
respectively (P < 0.05); batches entered the farms from January to March had an increase
of 0.30 in sqrtMORT (P < 0.05) in ¨Com E¨; and it was also found a reduction in
sqrtMORT by 0.26 (P < 0.001) and 0.28 (P < 0.001) when pigs were placed between April-
June and July-September respectively in the ¨OD¨. Finally, the effect of season on
sqrtMORT depended on the use of a circovirus vaccine at ¨Com A¨. Batches that contained
pigs from a unique origin had a decrease by 0.16 (P < 0.10), 0.38 (P < 0.01), 0.16 (P <
0.05) and 0.37 (P < 0.001) in sqrtMORT in ¨Com B¨, ¨Com C¨, ¨Com G¨ and ¨OD¨,
respectively, in comparison to those that had pigs from multiple origins. With respect to
the herd age, batches belonging to ¨Com E¨ which were between 10 and 30 years old had a
higher sqrtMORT by 0.18 compared to those newer than 10 years (P < 0.05). When batches
from ¨Com B¨ were penned with less than 50% of slatted floor, sqrtMORT decreased by
0.18 (P < 0.10) than those penned with more than 50% of it. It was also observed a
reduction in sqrtMORT by 0.23 (P < 0.05) and 0.25 (P < 0.001) when an automatic
ventilation was available to batches belonging to ¨Com B¨ and ¨OD¨ respectively. There
143
was an effect with regard to the different routes used to perform antibiotics treatments,
showing an increase in sqrtMORT by 0.19 (P < 0.05) when batches were treated with
antibiotics through both in-feed and in-water at ¨Com B¨. A higher sqrtMORT at ¨Com A¨
(0.16; P < 0.05) was found in batches from farms that obtained drink water from a river
than from farms that had a public supply. Moreover, the effect of the ¨water source¨ on
sqrtMORT was modified by the IBW at ¨Com E¨. Regarding the number of pigs placed,
when compared to batches containing less than 800 pigs, those containing between 800-
2000 pigs had an increase in sqrtMORT by 0.23 (P < 0.05) at ¨Com B¨. In addition, it was
also registered an increase by 0.36 (P < 0.05) and 0.29 (P < 0.01) in sqrtMORT in batches
containing 800-2000 pigs and 0.63 (P < 0.05) and 0.33 (P < 0.001) in batches that
contained more than 2000 pigs at ¨Com F¨ and ¨OD¨ respectively. Finally, for every 1 kg
increase in IBW, sqrtMORT reduced 0.037 at ¨Com D¨ (P < 0.10) and 0.071 at ¨Com E¨ (P
< 0.05).
144
Table 7.4. Parameter estimates (standard error in parenthesis) for the square root of mortality rate (sqrtMORT) in each company studied
(n = 686 batches) and when companies A to F were grouped in the same database (OD; n = 607 batches)1.
Variable Companies A B C D E F G OD2
Intercept 2.277 (0.46)*** 1.916 (0.74)* 2.577 (0.67)*** 2.232 (0.36)*** 3.056 (0.64)*** 1.478 (0.35)*** 1.532 (0.42)*** 2.255 (0.18)***
Autonomous community
Cataluña S U 0.246 (0.13) † U U U S S
Castilla y León S U A U U U S S
Valencia S U -0.092 (0.18) U U U S S
Other S U A U U U S S
Aragón S U – U U U S S
Trimester of placement
Jan-Feb-Mar A -0.052 (0.12) A S 0.300 (0.13)* A S - 0.073(0.06)
Apr-May-Jun -0.040 (0.09) † -0.448 (0.12)*** -0.249 (0.13)* S -0.145 (0.13) -0.347 (0.16)* S - 0.260 (0.05)***
Jul-Aug-Sep A -0.433 (0.14)** A S -0.166 (0.12) A S - 0.283 (0.06)***
Oct-Nov-Dec – – – S – – S –
Circovirus vaccine
No 0.566 (0.09)*** A S U U U U S
Yes – A S U U U U S
Number of pig origins
One origin S -0.164 (0.11) † -0.376 (0.15)** U U U -0.169 (0.08)* - 0.373 (0.05)***
More than one origin S – – U U U – –
Herd age
< 10 years A S U S – S S A
10 to 30 years A S U S 0.185 (0.09)* S S A
> 30 years A S U S A S S A
Percentage of slatted floor
< 50% slatted U -0.180 (0.10) † S S A S S S
50% slatted U – S S A S S S
Ventilation control system
Manual U – U U S S U –
Automatic U -0.234 (0.12)* U U S S U - 0.246 (0.05)***
145
Table 7.4. (Continued).
Variable Companies A B C D E F G OD2
Route utilized to perform treatments
Feed U – U U U A U A
Feed + Water U 0.193 (0.10)* U U U A U A
Feed + Water + Injection U A U U U A U A
Water source in the farm
Well -0.068 (0.13) S A U A U U A
River 0.164 (0.08)* S A U A U U A
Other 0.042 (0.14) S A U -1.924 (0.84)* U U A
Public supply – S A U – U U A
Number of animals placed
< 800 pigs S – S S S – S –
800-2000 pigs S 0.228 (0.10)* S S S 0.364 (0.17)* S 0.291 (0.06)***
> 2000 pigs S A S S S 0.628 (0.29)* S 0.333 (0.07)***
Initial body weight -0.029 (0.02) -0.0008 (0.03) 0.009 (0.03) -0.037 (0.02) † -0.071 (0.04)* 0.013 (0.02) 0.021 (0.02) - 0.001 (0.008)
Trimester * Circovirus vaccine
Apr-May-Jun / No vaccinated 0.406 (0.20)* U U U U U U U
/ Vaccinated – U U U U U U U
Oct-Nov-Dec / No vaccinated – U U U U U U U
/ Vaccinated – U U U U U U U
Initial BW * Water source
Initial BW / Public water U U U U – U U U
/ Other U U U U 0.103 (0.05)* U U U
1 Variables not significant with respect to sqrtMORT in all companies studied and in OD were not described at the table. 2 OD - overall database. Data from ¨company G¨ was not included.
S - variable was not selected to the final model; U - variable non-used in the model (without variability); A - variable not available.
(–) Factor level not affecting the intercept value of multiple regression models. * P < 0.05; ** P < 0.01; *** P < 0.001; † P < 0.10.
146
7.4. Discussion
Data obtained showed that each company had its specific animal management and
similar type of facilities in all the integrated farms. Thus, variability between companies
was higher than within them. This homogeneity among farms integrated in the same
company is a common practice in the Spanish pig companies. Oliveira et al. (2009)
evaluated factors affecting both mortality rate and feed intake of GF pigs in an integrated
Spanish company and also observed a narrow spectrum of husbandry and management
practices among the different farms. Most studies about factors affecting profitability in GF
pigs found in literature were performed using batches from farms belonging to a unique
company (Maes et al., 2004; Larriestra et al., 2005). However, there are some studies
(Losinger, 1998; Losinger et al., 1998) using larger databases as those belonging to the US
Department of Agriculture (USDA). When available, both approaches can be used and
studying variability within and among companies separately can provide different but
complementary information.
Trimester of placement was a very important factor responsible for variation in both
FCR and sqrtMORT in four and five companies out of seven, respectively, and also in the
OD. In most companies pigs placed in warm seasons had better performance. Maes et al.
(2004) also found higher mortality in pigs placed during the cold season compared to the
warm season, and suggested that it could be due to respiratory diseases originated by poorly
ventilated buildings when trying to maintain indoor temperature. Thereby, its importance
can vary among companies depending on facilities, management, or geographic location.
All farms studied were located in northern Spain, and had similar outside temperature
ranges.
147
Variables as breed of the pig-sire, gender, and sex segregation in batches were closely
correlated among them and to the type of pig produced. Split-sex pens, use of entire males,
and Pietrain-sire were normally used to produce “light” or ¨industrial¨ pigs whereas mixed-
sex pens, presence of barrows and White (Landrace, Large White, or their commercial
crossings) and/or Duroc-sire pigs were preferred combinations to produce ¨heavy¨ pigs,
although these combinations were also used in industrial light-pig production. In the
present study six companies produced ¨industrial¨ pigs and one company produced ¨heavy¨
pigs. Only industrial pig companies were included in the OD because of the specific
production conditions of the heavy pig companies. According to Corrêa et al. (2006) and
Gispert et al. (2007), Pietrain sire is the most used breed of sires due to its high genetic
potential converting feed into muscle tissue instead of fat tissue, improving thus feed
efficiency. Differences observed in the companies presenting variability on this factor and
in OD confirm and quantify this effect in the conditions of the current study.
Only two companies performed circovirus vaccination (Com A and C) in the GF
phase. Circovirus disease (PCV2) was first described in Spain in 1997 and the infection is
present in almost 100% of Spanish pig farms (Sibila et al., 2004). However, commercial
vaccine against PCV2 was only recently developed and introduced to the market (Fenaux et
al., 2004). Currently, several companies produce this vaccine and it is used in different
phases (sows, nursery piglets, and GF pigs). In the present study, companies that did not
perform this vaccination in GF phase may have done it in sows or piglets. Studies
conducted by Segales et al. (2009) and Jacela et al. (2011) obtained a reduction in mortality
and an improvement in feed efficiency when circovirus vaccine was performed in GF pigs.
Similar results were obtained for Com A but not for Com C and OD. Differences in
148
severity of the circovirus disease and/or in quality of the vaccine used by different
companies could justify these differences.
Mixing piglets from different origins normally induces a mixture of pathogens and
immune status, increasing transmission of disease and reducing performance (Harris and
Alexander, 1999). Maes et al. (2000, 2004) found an increase in mortality in batches that
had pigs from multiple origins in a study using data from one Belgium pig company. Our
data shows that batches using pigs from a single origin had better FCR and sqrtMORT both
in the OD and in most of the companies presenting variability in this factor.
Concerning facilities, percentage of slatted floor and type of ventilation system were
determinants only in Com B. Batches that had lower than 50% of slatted floor or automatic
ventilation control had lower sqrtMORT. In addition, automatic ventilation also led to a
reduced sqrtMORT in OD. Results regarding to the proportion of floor covered by slatted
and ventilation control in GF barns are contradictory in the literature and Losinger (1998),
Maes et al. (2004), and Oliveira et al. (2009) did not observe any influence on
performance. Type of feeder showed no effects on the single companies assessed in the
current study, but it was an important factor in OD. Herds equipped with multi-space
feeders presented poorer FCR. Gonyou and Lou (2000) and Myers et al. (2010) concluded
that single-space feeders with drinker may improve performance in GF pigs. On the other
hand, Maes et al. (2004) did not find any benefit using feeders with incorporated drinker.
Age of the barns, routes used to perform medication, and water source were factors
not included in the OD model because they were missing values for a high number of
batches. Thus, these factors were only studied at a single company level in order to obtain
information about its effects. In three out of four companies, herds newer than 10 years had
better FCR or lower sqrtMORT than herds more than 10 years old. This factor effect in
149
performance is rarely studied in literature. Maes et al. (2004) did not observe any effect of
GF barns age on mortality rate. However, recently built facilities have modern equipment
with a better environment control, biosecurity, and welfare which should lead to an
improvement in performance. Batches using only in-feed medication also had lower
sqrtMORT. According Miller et al. (2003), in-water and injection medication are more
effective in sick pigs (for curative purposes) whereas in-feed medication is associated to
preventive medication. Thus, the use of medication only in feed may be more of a
consequence in herds with an excellent health. Results about water source were
contradictory among companies and no clear conclusion can be drawn.
In our study, small batches presented lower mortality. Similar results were found by
Maes et al. (2004) who obtained a trend of reduction in mortality in small batches. In
contrast, Oliveira et al. (2009) did not register any effects on mortality and feed intake. An
easier all in/all out management in small batches may improve health status.
Finally, IBW was considered as a covariate being included into the models in order to
account for the large variability found in companies. Lower IBW increased sqrtMORT and
improved significantly FCR in some companies, as pigs with a lower BW are more
efficient to convert feed consumed in weight gain but they are more sensitive to the
changes caused by the new facilities.
7.5. Conclusions
The variability among Spanish companies was much higher than within them and
some factors presented no variability within companies. In this sense, models developed by
150
each company were more accurate and reliable than those obtained from the overall dataset
using data belonging to different companies. Batches of grow-finishing pigs had better feed
conversion ratio when: 1) were placed between April and September, 2) were originated
from a Pietrain pig-sire, presence of males and segregated in pens, 3) came from a unique
farm origin, 4) farms were newer than 10 years and 5) pigs had lower initial body weight.
Batches of pigs had lower mortality rate when: 1) were placed between April and
September, 2) pigs came from a unique farm origin, 3) the water was obtained from a well
and/or public supply, 4) were raised in smaller farms (< 800 pigs) and finally 5) pigs had
higher initial body weight. Furthermore, due to the structure of the Spanish pig companies
having common management practices and facilities in their farms, more research is
necessary to investigate the factors affecting performance within and between companies,
increasing the number of companies, herds and batches surveyed, as well as the number of
factors studied in nutrition, welfare, biosecurity, and health.
151
Capítulo 8
Discusión general
152
153
El seguimiento permanente de los índices productivos y económicos, no pone de
manifiesto el impacto ejercido por un determinado factor de producción sobre dichos
índices y no permite jerarquizar estos factores productivos en función de su contribución
real al output del sistema. Por ello, la idea inicial de esta tesis fue avanzar en un enfoque
destinado a cuantificar las relaciones más sobresalientes establecidas entre los distintos
índices productivos y los factores y/o condiciones de producción. Para ello se recogió
información de un grupo de granjas y de empresas porcinas españolas, se ordenaron los
datos, se procedió a su estudio estadístico y se confeccionaron los modelos matemáticos
correspondientes.
8.1. Programación y ejecución de los estudios
El objetivo inicial era recoger datos de al menos 1.000 granjas, correspondientes al
producto de 20 empresas de las 25 contactadas por 50 granjas cada una. El resultado fue
más modesto puesto que, tras más de un año de trabajo, conseguimos obtener datos de 764
lotes pertenecientes a 452 granjas de nueve diferentes empresas integradoras. La mayoría
de las granjas se encontraban en las comunidades autónomas de Aragón y Cataluña (44 y
35% respectivamente), un 18% estaba en Castilla y León y el resto (alrededor de 3%) en
Navarra, La Rioja y Valencia. Esa distribución coincidió parcialmente con la distribución
del censo de cerdos de cebo en España en el año 2010 pues según el MAGRAMA (2012),
el 30% del total de cerdos de cebo estaban en Aragón, el 27% en Cataluña y
aproximadamente el 10% en Castilla y león. Siete de las nueve empresas se ubicaban en
Cataluña y dos en Castilla y León.
154
La elección de las variables a registrar se decidió a partir de artículos científicos y
técnicos publicados recientemente (Losinger, 1998; Losinger et al., 1998; Maes et al.,
2000; Medel y Fuentetaja, 2001; O´Connell et al., 2002; Miller et al., 2003; Maes et al.,
2004; Larriestra et al., 2005; Koketsu, 2007; Oliveira et al., 2007; Garcimartín et al., 2008;
Quiles y Hervia, 2008; Street et al., 2008; Oliveira et al., 2009; Niemi et al., 2010; Potter et
al., 2010; Jacela et al., 2011) y la experiencia acumulada tanto por el equipo investigador
como por los equipos técnicos de las empresas participantes. En principio se contemplaron
un grupo de variables como “independientes” (Xi) y otras como “dependientes” (Yi),
incluyendo variables tanto ¨continuas¨ (por ejemplo el peso medio inicial y final, número de
cerdos alojados, porcentaje de ocupación de las naves,….) como ¨discretas¨ (por ejemplo el
tipo genético, tipo de comedero, tipo de bebedero, sistema de ventilación,…). Entre las
variables “dependientes” (Yi) se tuvo en cuenta variables como el consumo de pienso, el
crecimiento medio diario, el índice de conversión, los días de permanencia en la fase y la
mortalidad.
Este planteamiento general no es nuevo y de hecho existen modelos (Tabla 8.1) que
relacionan distintos índices productivos con diferentes factores que afectan la producción
durante la fases de crecimiento y engorde, en distintos países y utilizando diferentes bases
de datos. Como se observa en la Tabla 8.1, la mayoría de los estudios utilizaron granjas y
lotes de animales pertenecientes a una sola empresa integradora limitando de este modo la
aplicabilidad de aquellos resultados a granjas de otras empresas y/o a otras regiones
productivas.
155
Tabla 8.1. Ejemplos de estudios que evalúan la influencia de diferentes factores de
producción en relación a los índices productivos más determinantes en la fase de
crecimiento y engorde de cerdos.
Estudio Índice productivo estudiado Base de datos estudiada
Losinger (1998) Índice de conversión (kg/kg) Granjas americanas (base de datos del USDA)
Losinger et al. (1998) Mortalidad (%)
Maes et al. (2004) Mortalidad (%) Granjas belgas (base de datos de una empresa integradora)
Larriestra et al. (2005) Mortalidad (%) y saldos (%) Granjas americanas (base de datos de una empresa integradora)
Koketsu (2007) Mortalidad (%) Granjas japonesas (base de datos de la Universidad de Meiji)
Oliveira et al. (2007) Consumo de pienso (kg), mortalidad (%) y duración del engorde (días)
Granjas españolas (base de datos de una empresa integradora)
Oliveira et al. (2009) Consumo de pienso (kg) y mortalidad (%)
Una vez obtenidos los datos respecto a los lotes y granjas en cada una de las empresas
participantes, la información fue depurada y organizada en distintas bases de datos. En el
primer estudio (capitulo 5), se hizo una descripción de toda la información recogida a partir
de los 764 lotes de 452 granjas pertenecientes a nueve empresas a través del uso de
frecuencias de las variables categóricas, promedios y correlaciones de las variables
continuas y también de las relaciones entre las condiciones de producción y los principales
rendimientos productivos. De este modo se contribuye a una mejor descripción de la actual
situación de la producción española de cerdos de cebo y se hace disponible información
sectorial representativa y fiable.
En este capítulo, observamos que factores como la genética del macho finalizador, el
sexo/género y su separación en corrales, el número de piensos utilizados y su forma física
156
estuvieron directamente relacionados con el tipo de cerdo engordado o el peso final (Medel
y Fuentetaja, 2001; Latorre et al., 2003; Edwards et al., 2006). En este sentido, el 82% de
las granjas que produjeron cerdos industriales (95-110 kg) disponían de machos
finalizadores Pietrain. En cuanto a los sexos/géneros presentes, el 70% de las granjas de
cerdos industriales tenían machos enteros en lugar de castrados. Sin embargo en ninguna de
las granjas de cerdos pesados había machos enteros. También se observó que la mitad de
las granjas de cerdos industriales separaban los sexos/géneros por corrales mientras que el
100% de las granjas de cerdos pesados no hicieron este manejo. Aproximadamente el 84%
de las granjas de cerdos industriales utilizaron un programa de alimentación en tres fases
durante el crecimiento y engorde y la totalidad de granjas de cerdos pesados utilizaron
cuatro fases.
Se observó también que las empresas de un modo general presentaron sus granjas y
lotes bastante homogéneos, haciendo que la variabilidad entre empresas fuera mayor que
dentro de cada empresa, en especial con respecto a los factores relacionados con la
alimentación, la genética y el tipo de cerdo engordado, protocolos de vacunación y el peso
vivo medio inicial y final de los cerdos. En la Figura 8.1 se muestra la homogeneidad entre
lotes y granjas de siete empresas con respecto a las variables categóricas estudiadas (se
descartaron dos de las nueve empresas iniciales dado que el número de granjas no
alcanzaba las 30). Las empresas ¨B¨ y ¨C¨ fueron las que presentaron mayor grado de
heterogeneidad entre sus granjas en relación a las variables categóricas estudiadas.
157
Figura 8.1. Dendrograma obtenido de la relación entre las variables categóricas en las
diferentes granjas pertenecientes a una de las siete empresas integradoras evaluadas (A a
G).
Según Oliveira et al. (2009), las características de manejo y de genética son
comúnmente muy homogéneas entre granjas integradas en una empresa porcina. En los
últimos años también se observa que factores como la alimentación y el control sanitario
también son cada vez más homogéneos entre granjas de una misma empresa (Casal et al.,
2007; Oliveira et al., 2007) e incluso que algunas de ellas intentan unificar determinadas
características de las instalaciones (Larriestra et al., 2005).
Sin embargo, en nuestra base de datos, el hecho de que la variabilidad observada
entre empresas fuera mayor que dentro de ellas puede ser también una consecuencia directa
de una deficiente recogida de datos o bien que la elección de las granjas realizada
libremente por cada empresa realmente no fuera representativa del global.
0,0
0,2
0,4
0,6
0,8
1,0
R2
158
El segundo estudio (capitulo 6) fue diseñado para desarrollar los primeros modelos
destinados a predecir los índices productivos más relevantes; ganancia diaria de peso,
consumo total de pienso, índice de conversión y mortalidad. Inicialmente se partió de toda
la información disponible (las nueve empresas) pero, con objeto de reducir la variabilidad
en la base de datos original se planteó uniformizar algunos factores de producción. En
concreto se estableció como fija la genética del macho finalizador, los géneros de los
animales presentes en los lotes y el intervalo de peso medio inicial y final, entre otras
razones por el alto grado de correlación existente entre estas variables (Medel y Fuentetaja,
2001). En definitiva, la base de datos quedó reducida a 316 lotes de 246 granjas en seis
empresas. De este modo, se fijaron las siguientes variables; i) tipo de cerdo engordado (95-
110 kg de peso), ii) genética del macho finalizador (Pietrain), iii) géneros de los animales
(machos enteros y hembras), iv) número de cerdos por corral (entre 10 y 20), v) tipo de
bebedero (nipple) y vi) número y forma de los piensos utilizados (tres piensos en forma
granulada).
Los resultados de este capítulo sugieren que variables como el ¨trimestre de
alojamiento de los animales¨ influyeron directamente en las tres variables estudiadas
(consumo total de pienso, índice de conversión y mortalidad) mientras que variables
relacionadas a la ¨segregación de sexos por corrales¨, ¨tipo de comedero¨ y el ¨peso final al
matadero¨ afectaron, como era de esperar, el consumo de pienso y el índice de conversión,
no influyendo en la mortalidad. Sin embargo, variables relacionadas al ¨número de orígenes
de los cerdos¨, al ¨tipo de control de la ventilación en las naves¨ y al ¨número de cerdos
entrados por lote¨ (tamaño del lote) afectaron más claramente la mortalidad que el consumo
e índice de conversión.
159
Debido a que la variabilidad entre empresas fue superior a la encontrada dentro de la
empresa, se llevó a cabo el tercer y último estudio (capítulo 7), donde se compararon los
resultados obtenidos de modelos desarrollados a partir de una base de datos global
(conteniendo granjas y lotes de 6 empresas) con aquellos obtenidos en cada empresa
separadamente utilizando en cada caso los factores que presentaban suficiente variabilidad
dentro de cada empresa.
De este modo, las variables que fueron más determinantes en los índices productivos
en más de una empresa y también en la base de datos global respecto al segundo y al último
estudio podrían ser consideradas claves por las diferentes empresas porcinas del país. En
este sentido y de forma resumida, observamos que el trimestre de alojamiento de los
animales, la combinación entre la genética del macho finalizador, el sexo/género de los
animales y la segregación de sexos por corrales, el número de orígenes de los cerdos y el
peso inicial fueron considerados los factores más importantes tanto para el índice de
conversión como para la mortalidad en la mayoría de las empresas estudiadas así como en
el modelo global. Sin embargo, se observó que factores como la Comunidad autónoma
donde se ubicaba la granja, la vacunación contra circovirus, la edad de las instalaciones, el
origen del agua de la granja, el número de animales alojados por lote, el porcentaje de
emparrillado de los corrales y el tipo de comedero y de control de la ventilación se
caracterizaron por ser puntualmente importantes en alguna(s) de las empresas evaluadas o
bien en el modelo global.
Finalmente, los modelos desarrollados en estos tres estudios (capítulos 5, 6 y 7)
fueron considerados de carácter: i) estático (no se tuvo en cuenta el efecto tiempo), ii)
deterministas (se hicieron predicciones exactas de las variables dependientes cuantitativas
siendo todas las variables independientes de carácter conocido y no teniéndose en cuenta
160
ninguna distribución de probabilidades) y iii) empíricos (con predicciones basadas a partir
de relaciones estadísticas obtenidas de una base de datos generada a partir de estudios de
campo, siendo éstos válidos para datos recolectados bajo las mismas condiciones de la
primera encuesta) (Villalba, 2000; France y Dijkstra, 2006).
Los modelos utilizados en este estudio son considerados más simples y más limitados
que aquellos de carácter estocástico, dinámicos y mecanísticos y fueron elegidos
inicialmente tanto por la falta de experiencia previa del grupo investigador en temas de
modelizaciones como por la dificultad que entraña recoger, a nivel de empresa, un mayor
número de variables en un corto periodo de tiempo, y que contemplaran algunos elementos
aleatorios, requisito básico para el desarrollo de estos modelos más complejos.
8.2. Ejercicio de validación de algunas ecuaciones
Se ha realizado un ejercicio de validación externa utilizando datos de las mismas
granjas pertenecientes a lotes de los años siguientes. Se ha contemplado la validación de las
ecuaciones referidas al índice de conversión (IC) y la mortalidad (MORT) tan solo de tres
empresas (empresas A, C y E referentes al capítulo 7 de esta tesis). Cada empresa envió
datos de 14 a 24 granjas para la validación. La validación se realizó utilizando los datos
enviados por cada empresa por separado en el modelo específico (desarrollado para la
empresa en cuestión) y también en el modelo global (que contenía datos de seis empresas)
(capítulo 7). De este modo, para cada variable dependiente se hizo el cálculo de la
diferencia entre la R2 del modelo original y aquella obtenida con los datos nuevos; si esta
161
diferencia es inferior a 0,10 el modelo considerado se supone un buen predictor de la
variable dependiente evaluada (Copas, 1983).
Se observó que en todos los modelos validados las diferencias encontradas entre los
coeficientes de determinación (R2) fueron superiores a 0,10, indicando que la
predictibilidad de las ecuaciones referidas al IC y a la MORT, ya sean las individuales por
empresa o las globales, son mejorables.
Esta baja predictibilidad de las ecuaciones puede ser debida a que: i) el proceso de
validación pudo estar condicionado por el hecho que los modelos, por empresa o global,
registraron bajos valores de R2, probablemente como consecuencia de la reducida
variabilidad observada en la base de datos utilizada para su desarrollo, ii) los datos
utilizados para la validación tampoco registraron suficiente variabilidad con respecto a las
variables incluidas en los modelos.
Sirvan dos ejemplos para ilustrar este último comentario: en un primer ejemplo
(empresa A) las ecuaciones de predicción del IC y de la MORT incluyen como principales
variables la época del año de entrada en el cebadero, la vacunación de circovirus y la
interacción entre ambas. Los datos de los 18 lotes de validación presentaron variabilidad en
cuanto a la vacunación por circovirus (la variable que resultó ser más importante en esta
empresa, P < 0.001) pero todos los animales fueron alojados en los cebaderos durante el
segundo semestre. El ejercicio de validación tan solo diferenció los lotes vacunados de
aquellos no vacunados, como demuestra la Figura 8.2.
El segundo ejemplo se da con la empresa C, donde en cierto modo se da la situación
opuesta, en especial en relación a la MORT (Figura 8.3). Se dispuso de los datos de 14
lotes para la validación de las ecuaciones pero apenas hubo variabilidad en el factor más
importante de ambos modelos (IC y MORT) que fue el número de orígenes de los cerdos;
162
la totalidad de lotes se llenaron con cerdos oriundos de dos o más orígenes. Para realizar
una correcta validación, sería necesario como mínimo disponer también de lotes/granjas
con animales de un único origen para poder contrastar de este modo los diferentes
coeficientes de regresión creados para esta variable juntamente con la de las otras variables
presentes en los modelos.
Empresa A
Figura 8.2. Valores reales y predichos del índice de conversión y porcentaje de mortalidad
de 18 lotes de la empresa A utilizados para validar los modelos creados para la misma
empresa.
Con todo, se observó que los modelos específicos para cada empresa predijeron mejor
los índices a partir de los datos de validación de cada empresa en comparación al modelo
2.35
2.45
2.55
2.65
2.75
2.85
2.95
Val
ores
pre
dic
hos
Valores reales
Índice de conversión
0
2
4
6
8
10
0 2 4 6 8 10
Val
ores
pre
dich
os
Valores reales
Porcentaje de mortalidad
Lotes vacunados contra el circovirus Lotes no vacunados contra el circovirus
163
global, demostrando, de algún modo, que los modelos obtenidos con datos de una única
empresa serían más fiables que el modelo global.
Empresa C
Figura 8.3. Valores reales y predichos del índice de conversión y porcentaje de mortalidad
de 14 lotes de la empresa C utilizados para validar los modelos creados para la misma
empresa.
Finalmente, señalar la gran importancia que tiene la recolección de los datos tanto
para la definición del modelo como para su validación. En ambos casos es de suma
importancia que los datos sean verdaderamente representativos del colectivo que se desea
modelizar (grupo de granjas, empresa, zona geográfica…) y que ofrezcan variabilidad
suficiente en todas aquellas variables independientes que tengan un alto valor predictivo.
2.50
2.60
2.70
2.80
2.90
3.00
3.10
Val
ores
pre
dic
hos
Valores reales
Índice de conversión
2
4
6
8
10
2 4 6 8 10
Val
ores
pre
dic
hos
Valores reales
Porcentaje de mortalidad
164
8.3. Aspectos mejorables del trabajo y futuros estudios
Durante el desarrollo de este proyecto ha habido aspectos importantes que no han
sido considerados, o tan solo lo han sido parcialmente, que han limitado la trascendencia y
mayor generalización de los resultados. Han sido cuestiones tanto de naturaleza estructural
como metodológica, imputables al propio diseño del estudio, al proceso de recogida de
información o incluso a la falta de experiencia del equipo investigador. Entre estas
limitaciones resaltamos las siguientes:
a) La expectativa inicial era que participaran un número de empresas cercano a las
20 con objeto de recoger información de alrededor de mil granjas. La realidad fue
que tan solo la mitad de estas empresas mostraron interés hasta el punto de
proporcionarnos sus datos y, por tanto, el concepto de número uniforme de
granjas por empresa (50) quedó desestimado y se aceptó el máximo número de
granjas por empresa. Esta decisión, posiblemente conveniente para alcanzar un
mínimo de granjas, restó representatividad a los datos.
b) El esfuerzo realizado por las empresas en la recogida de datos ha sido
considerable y en ningún caso criticable. Sin embargo la información obtenida, en
muchos casos, le ha faltado precisión, en especial en lo que se refiere a algunos de
los factores de producción ligados a cada granja en particular y no tanto a la
empresa en general. Además, en este sentido, también se aprecia una clara
diferencia entre empresas. La recogida de datos sin duda hubiera sido mucho más
precisa si los miembros del equipo investigador se hubieran desplazado a cada
una de las granjas para cumplimentar “in situ” parte del cuestionario.
165
Desafortunadamente no se ha dispuesto de tiempo y recursos para realizar esta
tarea.
c) Posiblemente, en lo que se refiere a la recolección de datos, el aspecto más
criticable sea el no haber puesto énfasis especial en el número de lotes de engorde
por granja (el muestreo ofreció tan solo entre uno y tres). Un mayor número de
lotes por granja hubiera permitido disponer de más grados de libertad para
desarrollar modelos jerárquicos como los publicados por Maes et al., (2004),
Larriestra et al., (2005) y Oliveira et al., (2009) que cuantifican las proporciones
de la varianza de un determinado índice productivo explicada en los diferentes
niveles: i) entre empresas, ii) entre granjas de una misma empresa, iii) entre lotes
de una misma granja y finalmente iv) en un lote (residual). Este planteamiento
permitiría explicar la mayor parte de la variabilidad generada por cada factor de
variación que participe en un modelo dado. En la encuesta se solicitaba un
mínimo de dos lotes por granja y de poder ser uno en condiciones de invierno y
otro de verano. Sin duda hubiera sido mejor hacer más énfasis en el número de
lotes por granja y menos en la estación del año.
d) Aun cuando junto con la encuesta/cuestionario se adjuntó un “manual de
instrucciones”, en el caso de algunas variables todavía hubo falta de concreción
que permitía realizar más de una interpretación. Esta situación se ha dado con
varias variables, alguna de ellas relacionada con la alimentación. Así por ejemplo
una estimación del consumo de cada pienso utilizado en cada lote (en general
entre tres y cuatro) hubiera permitido estimar el consumo real de energía neta,
proteína bruta y de lisina total.
166
e) Para poder realizar una validación precisa y homogénea, los datos recolectados y
utilizados para validar los modelos previamente desarrollados deberían disponer
de suficiente variabilidad en todas las variables incluidas en dichos modelos. De
este modo se podrían contrastar los diferentes coeficientes (valores de los
estimadores) de cada variable del modelo.
A partir de la experiencia acumulada durante este trabajo, los estudios de futuro se
encaminarían a:
1) Centrar la atención en cada empresa por separado haciendo un esfuerzo especial
en la recogida de información a nivel de granja individual y aumentando
considerablemente el número de lotes por granja.
2) Hacer un esfuerzo por generalizar al máximo los hallazgos y modelos obtenidos
para cada empresa por separado.
3) Desarrollar trabajos parecidos en realidades de producción diferentes. En este
sentido, en el marco del proyecto AGL-2011 29960 y fruto de nuestra
colaboración con la Universidade Estadual de Londrina, se está iniciando un
estudio semejante en las condiciones de la porcicultura industrial brasileña con la
participación de varias empresas.
4) Profundizar en la validación de los modelos desarrollados, empleando
información representativa que mostrara variabilidad suficiente en aquellas
variables que definen el modelo. Este ejercicio se llevaría a cabo al menos a tres
niveles; i) utilización de los datos del año siguiente procedentes de la misma
población, eso es, las mismas granjas evaluadas inicialmente, ii) utilización de
datos provenientes de nuevas empresas y nuevas granjas que se adhiriesen al
167
estudio y iii) utilización de datos de una población fuera de España. Las diferentes
validaciones permitirán obtener conclusiones respecto a la validez, grado de
generalización y aplicabilidad de los modelos.
5) Progresar en el desarrollo de modelos menos estáticos y empíricos y, de poder
ser, más dinámicos y mecanicísticos.
Finalmente, es de extrema importancia actualizar periódicamente los modelos, a
partir de nueva información tanto de las condiciones de producción como de los índices
productivos de las granjas en estudio. Para ello, se puede disponer de la información
referida a las mismas granjas y empresas pero también sería importante contar con la
colaboración de nuevas granjas y nuevas empresas.
168
169
Capítulo 9
Conclusiones generales
170
171
Los resultados obtenidos y su interpretación han permitido extraer siete conclusiones
agrupadas en tres apartados:
9.1. Conclusiones de carácter general
1) La información utilizada en este trabajo indica que los índices productivos de una
granja “tipo” de engorde de cerdos en España se caracterizan por un peso medio de
entrada y salida de 19,0 2,56 y 108,0 6,2 kg, respectivamente y una duración
media del ciclo de 136 12 días. El consumo medio de pienso es de 244 26,1
kg/cerdo; la ganancia media diaria de 657 65,0 g; el índice de conversión de 2,77
0,178 kg/kg y el porcentaje de mortalidad de 4,3 2,64%. En cuanto a los
principales aspectos que condicionan el manejo, la instalación dispone de control
automático de ventanas (71,2%), los corrales alojan entre 13-20 cerdos (87,2%) con
50% del suelo emparrillado (70,0%), los comederos son de boca única sin agua
incorporada (54,0%) y el bebedero de “chupete” (88,7%). La mayoría (75.0%)
utilizan tres piensos en forma granulada (91.0%) y realizan tres o más series de
tratamientos con antibióticos a lo largo del ciclo productivo (61.3%).
2) Los modelos matemáticos desarrollados ofrecieron coeficientes de determinación
bajos (valores de R2 entre 0,12 y 0,63), aunque en ningún caso inferiores a los
obtenidos en la bibliografía consultada (valores entre 0,11 y 0,80). Por ello, aún
cuando en condiciones de campo el valor predictivo de estos modelos es limitado,
constituyen una buena herramienta para conocer, jerarquizar y, en menor medida,
172
cuantificar el efecto que ejercen los principales factores responsables de la variación
observada en los índices productivos del engorde porcino.
3) Las granjas “integradas en” o “pertenecientes a” una misma empresa presentaron un
alto grado de homogeneidad en algunos factores de producción, en especial aquellos
relacionados con el origen genético de los animales (por ejemplo: genética del
macho finalizador), el manejo (por ejemplo: segregación de sexos/géneros o peso
vivo al sacrificio) y la alimentación (por ejemplo: número de piensos). Ello motivó
que la variabilidad entre empresas fuera mayor que la registrada dentro de cada
empresa y que los modelos desarrollados para cada empresa (capítulo 7) resultaran
más válidos y fiables (mayores coeficientes de determinación, R2) que aquellos
obtenidos utilizando un modelo global (capítulos 6 y 7).
9.2. Conclusiones derivadas de los modelos globales
4) Los lotes que presentaron menor consumo total de pienso y mejor índice de
conversión fueron aquellos que entraron en el cebadero entre los meses de abril y
septiembre (P < 0,01), se sacrificaron a menor peso vivo (P < 0,001 y P < 0,05
respectivamente), dispusieron de un comedero uni espacio con bebedero incorporado
(P < 0,001) y se separaron por sexos/géneros en distintos corrales (P < 0,001).
Además los corrales con menos del 50% de emparrillado redujeron el índice de
conversión en 0,05 (P < 0,05).
173
5) Los lotes que registraron menor porcentaje de mortalidad fueron aquellos que
entraron en el cebadero entre los meses de abril y septiembre (P < 0,01), procedían
de una única granja de madres (P < 0,01) y se alojaban en granjas con un censo
menor de 800 cerdos (P < 0,01) que disponían de control automático de ventanas (P
< 0,001).
9.3. Conclusiones derivadas de los modelos por empresas
6) Los factores que mejoraron el índice de conversión, en dos o más empresas, fueron:
i) alojar los animales procedentes de un solo origen, entre los meses de abril y
septiembre, en granjas construidas en los últimos diez años; ii) utilizar el Pietrain
como macho finalizador, no realizar castraciones y segregar por sexos/géneros.
Además, dado que el peso vivo al sacrificio fue una característica específica de cada
empresa, el índice de conversión aumentó (empeoró) con el peso de entrada de los
animales al cebadero. Por otra parte, también hubo factores concretos que ejercieron
un efecto muy significativo pero solamente en una única empresa (ej. vacunación de
circovirus en la empresa A, P < 0,001).
7) El porcentaje de mortalidad se redujo en dos o más empresas cuando se alojaron
los cerdos en granjas pequeñas (menos de 800 plazas), entre abril y septiembre y
procedentes de un mismo origen o granja de madres. En dos empresas se pudo
constatar que disponer de agua procedente de la red pública disminuyó este índice.
Además, conforme aumentó el peso de entrada de los animales se redujo la
174
mortalidad y, como en la conclusión anterior, la vacuna de circovirus fue
determinante solamente en la empresa A (P < 0,001).
175
Capítulo 10
Anexos
176
177
ENCUESTA
Nombre de la empresa:____________________________________________________
Nombre, o número de orden de la granja:______________________________________
Ubicación de la granja:____________________________________________________
Código del lote evaluado:__________________________________________________ Fechas de entrada del primer y último animal del lote:___________________________ Fechas de salida del primer y último animal del lote:____________________________ A- INFORMACIÓN GENERAL
A1. Tipo de ciclo de la granja: (a) Ciclo cerrado (b) Dos fases (S2+S3) (c) Multifases (S3)
A2. Tipo de cerdo engordado (kg aproximados al sacrifício):
(a) Verdeo (< 95 kg) (b) Industrial (95 - 110 kg) (c) Pesado (> 110 kg) * Peso objetivo del cerdo engordado:__________________
A3. Separación de sexos/géneros en los corrales:
(a) Si (b) No
A4. Sexos/géneros presentes:
(a) Machos, hembras y castrados (b) Machos y hembras (c) Castrados y hembras
A5. Genética del macho finalizador (marcar más de una alternativa si es el caso):
(a) Pietrain (b) Razas blancas (Landrace, Large White o sus cruces) (c) Duroc (d) Pietrain x blanco (e) Otros (¿Cuales?)
A6. Número de orígenes de los cerdos:
(a) Un origen (b) Dos orígenes (c) Más de dos (¿Cuántos?)
178
A7. Vacunación contra la enfermedad de Aujeszky (se ¨si¨, ¿Cuantas dosis?): (a) Si (b) No
(a) Una dosis (b) Dos dosis (c) Tres dosis
A8. Vacunación contra el circovirus:
(a) Si (b) No
A9. Vacunación contra el mycoplasma:
(a) Si (b) No
B- CARACTERÍSTICAS DE LA INSTALACIÓN
B1. Capacidad del cebadero (número de plazas por cada lote entrado) : ______________ B2. Edad de las instalaciones:
(a) < 10 años (b) Entre 10 y 30 años (c) Más de 30 años * Edad real (en años):__________________
* Últimas reformas (años transcurridos desde):_________________ *¿Qué fue cambiado en las instalaciones?_______________________________________________
_______________________________________________________________________________ _______________________________________________________________________________ _______________________________________________________________________________ _______________________________________________________________________________
B3. Número de cerdos por corral (marcar más de una alternativa si es el caso):
(a) < 10 cerdos / corral (b) Entre 10 y 20 cerdos / corral (c) > 20 cerdos / corral * Número exacto de cerdos por corral:__________________
B4. Porcentaje de emparrillado del suelo:
(a) < 50% emparrillado (b) 50% emparrillado (c) 100% emparrillado
B5. Tipo de comedero:
(a) Multi-espacio (b) Uni-espacio (c) Uni espacio con bebedero incorporado (d) Otro (¿Cual?)
179
B6. Tipo de bebedero: (a) Chupete (nipple) (b) Cazoleta (c) Solamente bebedero incorporado al comedero (d) Otro (¿Cual?)
B7. Tipo de control de la ventilación: (a) Manual (b) Automática
B8. Presencia de paneles humidificadores:
(a) Si (b) No
C- CARACTERÍSTICAS DE LA ALIMENTACIÓN:
C1. Número de piensos utilizados: (a) Dos (b) Tres (c) Cuatro (d) Más de cuatro (¿Cuantos?)
C2. Piensos distintos formulados para cada sexo/genero:
(a) Si (b) No
C3. Forma física de los piensos utilizados:
(a) Harina (b) Granulado (pellet) (c) Liquida
C4. Contenido en energía de cada uno de los piensos utilizados (Kcal/kg):
(a) Energía digestible (b) Energía metabolizable
(c) Energía neta
* Valores:_______________________________________________________________________ C5. Contenido de proteína bruta de cada uno de los piensos utilizados (%):
* Valores:_______________________________________________________________________
C6. Contenido de lisina de cada uno de los piensos utilizados (%):
(a) Lisina total (b) Lisina digestible
* Valores:______________________________________________________________________
C7. Frecuencia de tratamientos antibióticos realizados durante el engorde:
(a) Sin tratamiento (b) Menos de tres veces (c) Tres o más veces
180
C8. Vías de utilización de los antibióticos (si estos fueron utilizados): (a) Agua (b) Pienso (c) Inyección (d) Agua y pienso (e) Agua e inyección (f) Pienso e inyección (g) Agua, pienso e inyección
C9. Origen del agua utilizada en la granja:
(a) Pozo (b) Rio (c) Red pública (d) Otro (¿Cual?)
C10. Tratamiento del agua en la granja:
(a) Si (b) No
D- RENDIMIENTOS PRODUCTIVOS:
D1. Peso medio inicial del lote evaluado (kg):_____________________ D2. Peso medio final del lote evaluado (kg):_____________________ D3. Duración media del cebo (días):_____________________ D4. Duración total del cebo (días):_____________________ D5. Numero de cerdos entrados:____________________ D6. Numero de cerdos enviados al matadero:____________________ D7. Porcentaje de saldos (%):_____________________ D8. Consumo total de pienso (kg):_____________________ D9. Porcentaje de mortalidad (%):_____________________
181
MANUAL DE INSTRUCCIONES PARA RELLENAR LOS FORMULARIOS DE ENCUESTA
Introducción Con este proyecto, pretendemos generar una base de datos referida a las condiciones y resultados del crecimiento y cebo de cerdos en España con objeto de:
1) Disponer de información sectorial fiable que permita conocer la situación del sector, a modo de lo que ocurre en otros países (ejemplo: AgriStats,…), y a cada empresa participante conocer, de forma anónima, su posición relativa (ejercicio de “benchmarking”).
2) Construir modelos matemáticos que relacionen los principales índices de producción
(crecimiento, índice de conversión, días en granja, peso vivo y/o canal;…) con las condiciones de cría y/o explotación (tipo comercial de cerdo, censo del cebadero, número de piensos, energía y lisina de los piensos, condiciones de las instalaciones, temperatura ambiente o verano vs invierno,….) y que puedan ayudar a la toma de decisiones.
Para ello hemos solicitado la colaboración de empresas del sector dispuestas a facilitarnos sus datos. Las características y condiciones de uso de esta información serán las siguientes:
1- El equipo investigador hará un uso estrictamente confidencial de la información obtenida en las empresas. En el menor plazo posible, dependiendo principalmente de la eficiencia en la recogida de información, el equipo investigador se compromete a llevar a cabo un informe individual de “benchmarking” (comparación) para cada empresa.
2- A cada empresa colaboradora se le solicita la información de 50 granjas de engorde y en
diferentes periodos de engordes por granja (para poder diferenciar entre “condiciones de invierno” y “condiciones de verano” en las mismas granjas) que se hayan llevado a cabo entre el 1 de julio de 2008 y el 31 de junio de 2010.
3- Entendemos la “granja” en un concepto amplio y puede referirse a una única nave o un complejo de ellas, dependiendo de la manera en que se tenga registrada la información que se solicita. Por otra parte contemplaremos únicamente granjas que realicen el engorde de cerdos entre los 15-25 Kg de peso vivo y el sacrificio.
4- Para que el estudio tenga la máxima validez las 50 granjas deberían ser una muestra
representativa de “todas” las granjas de la empresa (Ej: asumiendo que dentro de una empresa las granjas las podemos categorizar siguiendo una distribución normal, la elección sería: 10-15 consideradas “entre las mejores”, 10-15 consideras “entre las peores” y el resto consideradas “medias”). Este planteamiento nos permite estudiar no solo la variabilidad “entre empresas” (muy útil para llevar a cabo un estudio de “benchmarking” o comparación), si no también la variabilidad “intra empresa” (mucho mas ligada a las condiciones concretas de producción, esenciales para construir modelos matemáticos que ayuden a la toma de decisiones).
182
5- Tal como se plantea la recogida de datos inicialmente habría que cumplimentar dos “encuestas” por granja. Sin embargo hay que hacer alguna apreciación al respecto:
a) Se pretende obtener la máxima información veraz posible y por tanto no hay que rellenar necesariamente la “encuesta” en su totalidad. Aquellos aspectos que bien se desconozcan o bien no se tenga un grado de certeza suficiente se dejarán en blanco y no por ello la información es menos útil.
b) Es más importante obtener la información que el formato en que se facilite. Si por ejemplo alguna de las empresas tiene parte o toda la información solicitada en un formato diferente (ej: Exel,…), resultará mas cómodo y efectivo (se evita errores) enviar directamente una copia del archivo que transcribirlo a la “encuesta”. En el mismo sentido si hay varias granjas que participan de las mismas condiciones generales, de instalaciones o alimentación tampoco hace falta rellenar todas las encuestas, únicamente reflejar la situación en una de ellas en las demás referirse a aquella.
6- La “encuesta/cuestionario” se estructura en cuatro capítulos y cada capítulo incluye
una serie de preguntas. A continuación se detalla la información que se pretende obtener con cada pregunta.
Nombre de la empresa:
Escribir el nombre completo de la empresa. No hace falta repetirlo en cada encuesta.
Nombre, o número de orden, y ubicación de la granja: Escribir el nombre de la granja, o en su defecto el número de orden que le de la empresa. Ubicación se refiere a municipio y provincia.
Código del lote evaluado:
Referente al número del lote evaluado en una determinada granja (si hubiese más lotes evaluados).
Fecha de entrada del lote al cebadero:
Registrar en qué fechas entraron los primeros y los últimos animales que compusieron el lote asignado.
Fecha de salida del cebadero:
Registrar en qué fechas salieron los primeros y los últimos animales que compusieron el lote asignado.
183
A- INFORMACIÓN GENERAL A1) Se refiere a si la granja a estudio forma parte de un explotación de ciclo cerrado, un complejo S2+S3 (destete-transición + crecimiento y cebo) o es una S3 (solo crecimiento y cebo). A2) Se pregunta el tipo de cerdo comercializado que depende a grandes rasgos del peso medio “objetivo” al sacrificio. Marcar cual es el peso vivo teórico de salida de los cerdos al matadero y, si se conoce, registrar el peso concreto que se pretende obtener. A3 y A4) Reflejar si se separa los animales por sexos (machos, hembras, castrados) y cuales hay en el cebadero. A5) Marcar la/s raza/s (base genética) de los machos finalizadores. Si es el caso se puede marcar más de una alternativa de acuerdo con las razas que hay. A6) Se refiere al número de orígenes (número de granjas S1, de madres) de los que proceden los cerdos de la granja de engorde.
- Único: si los cerdos provienen de un solo origen (en el caso de granjas de ciclo cerrado o cuando los animales provienen de una única S1).
- Dos orígenes: si los cerdos provienen de dos S1. - Más de dos: los cerdos provienen de tres o más S1 distintas. Si se conoce, registrar cuantos.
A7, A8 y A9) Referentes a la utilización o no de una de las tres vacunas en los animales del lote en cuestión. En el caso de la vacuna de Aujeszky también se pregunta, en el caso de que se la haga, el número de dosis utilizado. B- CARACTERISITICAS DE LA INSTALACIÓN B1) Se refiere al número de plazas de engorde que alberga cada lote entrado en la granja. Registrar el número concreto de plazas. B2) Con esta pregunta se quiere tener una idea de la antigüedad de las instalaciones. Si se conoce la fecha de construcción, registrar la antigüedad concreta en años. Con la anotación “últimas reformas” se intenta conocer, cuantos años se pasaron desde la última reforma y la última pregunta se refiere, si procede, lo que fue cambiado en la última reforma (ej: cambios en comederos, bebederos, suelos, sistema de ventilación,….).
184
B3) La pregunta se refiere al número medio de animales por corral o lote. Si la granja dispone de lotes/corrales de distinto número de animales/plazas registrarlo en consecuencia. B4) La pregunta se refiere al % medio de emparrillado del suelo de los corrales (en las fotos se ejemplifican dos diferentes tipos de emparrillados).
100% emparrillado Menos de 50% emparrillado B5) Por “comedero” se entiende los dos tipos genéricos que aparecen en las fotografías. En el caso de la tolva holandesa puede llevar incorporado o no un chupete funcional.
Comederos de varias bocas (multi-espacio) Tipo holandés (uni-espacio)
185
B6) Registrar el tipo de bebedero que hay en el cebadero (en las fotos se ejemplifican dos diferentes tipos de bebederos).
Tipo chupete (nipple) Tipo cazoleta B7) Registrar el tipo de control de la ventilación utilizado en el cebadero diferenciando entre manual, con movimiento de ventanas manualmente o automática, ya sea por sobrepresión o por depresión. B8) Señalar si se utiliza algún sistema de refrigeración por humidificación en verano. C- ALIMENTACIÓN C1) Reflejar cuantos piensos se utiliza a lo largo de todo el periodo de engorde. C2) Se refiere si hay distintas formulaciones de piensos para cada sexo/genero en el crecimiento/engorde. C3) Señalar la forma física de presentación (harina, gránulo, líquido) de cada uno de los piensos administrados. C4) Registrar los valores de energía (kcal/kg) para cada pienso administrado. Antes de registrar los valores, señalar si los registros corresponden a la energia digestible, metabolizable o neta.
186
C5) Registrar los valores de proteína bruta (%) para cada pienso administrado. C6) Registrar los valores de lisina (%) para cada pienso. Antes de registrar los valores, señalar si los registros corresponden a lisina total o lisina digestible. C7 y C8) Marcar las veces que durante todo el periodo se ha tratado a los animales con antibióticos (C7) y en caso positivo, señalar la/s vía/s de administración (C8). C9 y C10) Marcar la procedencia del agua de bebida que se utiliza en la granja (C9). Señalar si el agua recibe algún tratamiento especial en la propia granja (C10). D- RENDIMIENTOS PRODUCTIVOS Para todos los registros de este apartado se solicitan los valores globales medios y, solamente en el caso que se dispusiera de ellos, también los valores globales medios referidos a cada sexo o género (machos enteros y/o hembras y/o machos castrados). D1) Registrar los pesos vivos medios a la entrada al cebadero en el periodo evaluado. D2) Registrar los pesos vivos medios a la salida del cebadero en el periodo evaluado (Obs: registrar el peso real de salida, sin el descuento de 2,5 kg). D3) Registrar la duración media del cebo (días). D4) Registrar la duración total del cebo (días), es decir, días transcurridos entre la entrada de los primeros animales del lote en el cebadero desde la transición y la salida de los últimos animales al matadero. D5) Registrar el número de animales entrados en el lote en cuestión. D6) Registrar el número de animales mandados al matadero en el lote evaluado.
187
D7) Registrar el porcentaje de saldos de los animales del lote evaluado. Entendemos por saldos aquellos animales que llegan al matadero y son claramente depreciados (no tienen un valor comercial del 100%) por alejarse mucho de la media en su peso vivo, conformación o cualquier otra propiedad. D8) Registrar el consumo total de pienso (kg) en el periodo (lote) evaluado. Si es posible, registrar también el consumo total de cada tipo de pienso utilizado. D9) Registrar la mortalidad (%) total global y, si se conoce, distribuirla a lo largo de los meses de duración del engorde.
188
189
Capítulo 11
Referencias bibliográficas
190
191
Aarnink AJA, van den Berg AJ, Keen A, Hoeksma P, Verstegen MWA. 1996. Effect of slatted floor area on ammonia emission and on the excretory and lying behaviour of growing pigs. Journal of Agricultural Engineering Research 64, 299-310.
Aarnink AJA, Wagemans MJM, van den Berg AJ. 1997a. Housing for growing pigs,
meeting the needs for animal, stockman and environment. In: Livestock environment 5, Volume 2. Proceedings of the 5th International Symposium, May 29-31. pp: 86-92, Bloomington, USA.
Aarnink AJA, Swierstra D, Van den Berg AJ, Speelman L. 1997b. Effect of type of slatted
floor and degree of fouling of solid floor on ammonia emission rates from fattening piggeries. Journal of Agricultural Engineering Research 66, 93-102.
Aarnink AJA, Schrama MJW, Heetkamp J, Stefanowska TTT. 2006. Temperature and body
weight affect fouling of pig pens. Journal of Animal Science 84, 2224-2231. Affentranger P, Gerwig C, Seewer GJF, Schworer D, Kunzi N. 1996. Growth and carcass
characteristics as well as meat and fat quality of three types of pigs under different feeding regimens. Livestock Production Science 45, 187-196.
Anderson DM, VanLunen TA, Sproule D. 1990. Performance of grower finisher pigs
obtaining feed from dry feeders or wet/dry feeders with different feeding spaces. Canadian Journal of Animal Science 70, 1197-1198 (Abstr).
Andersson HK, Andersson K, Zamaratskaia G, Rydhmer L, Chen G, Lundstrom K. 2005.
Effect of single-sex or mixed rearing and live weight on performance, technological meat quality and sexual maturity in entire male and female pigs fed raw potato starch. Acta Agriculturæ Scandinavica 55, 80-90.
APHIS. 1999. Pseudorabies Factsheet. Report for USDA (United States Department of
Agriculture). Augspurger NR, Ellis M, Hamilton DN, Wolter BF, Beverly JL, Wilson ER. 2002. The
effect of sire line on the feeding patterns of grow-finish pigs. Applied Animal Behaviour Science 75, 103-114.
Averós X, Brossard L, Dourmad JY, de Greef KH, Edge HL, Edwards SA, Meunier-Salaün
MC. 2010. Quantitative assessment of the effects of space allowance, group size and floor characteristics on the lying behaviour of growing-finishing pigs. Animal 4, 777-783.
Backstrom L and Bremer H. 1976. Disease recording of pigs at slaughter as a method of
preventive medicine in the swine production. Svensk Veterinärtidning tidningen 28, 312-336.
192
Banhazi T, Seedorf J, Rutley DL, Pitchford WS. 2004. Instrumentation kit for measuring airborne pollutants in livestock buildings. In: Proceedings of ISAH Conference (ed. Madec F). St. Malo, France.
Barber J, Brooks PH, Carpenter JL. 1989. The effects of water delivery rate on the
voluntary food intake, water use and performance of early-weaned pigs from 3 to 6 weeks of age. In: The Voluntary Food Intake of Pigs (eds. Forbes JM, Varley MA, Lawrence TLJ), Occasional Publications, British Society Animal Production 13, 103-104.
Beach NM and Meng X-J. 2012. Efficacy and future prospects of commercially available
and experimental vaccines against porcine circovirus type 2 (PCV2). Virus Research 164, 33-42.
Bell JM and Keith MO. 1989. Factors affecting the digestibility by pigs of energy and
protein in wheat, barley and sorghum diets supplemented with canola meal. Animal Feed Science and Technology 24, 253-265.
Björklund L and Boyle LA. 2006. Effects of finishing boars in mixed and single sex groups
and split marketing on pig welfare. Acta Veterinaria Scandinavica 48 (Suppl 1), 2. (Abstr).
Black JL. 1995. Approaches to modelling. In: Modelling growth in the pig (eds. Moughan
PJ, Verstegen MWA, Visser-Reyneveld MI), EAAP publication no. 78, pp. 11-22. Wageningen Pers. Wageningen, The Netherlands.
BOE, 1995. Real Decreto 245/1995, de 17 de febrero, relativo al programa de control y
erradicación de la enfermedad de Aujeszky. Boletín Oficial del Estado No. 60, 11/3/1995.
BOE. 2002. Real decreto 1135/2002, de 20 de noviembre, relativo a las normas mínimas
para la protección de cerdos. Boletín Oficial del Estado No. 278, 31/10/2002. Boisen S, Fernandez JA, Madsen A. 1991. Studies on ideal protein requirement of pigs
from 20 to 95 kg live weight. In: Proceedings of the 6th International Symposium, Protein Metabolism Nutrition, pp. 299. Herning, Denmark.
Borja E y Medel P. 1998. Avances en la alimentación del porcino: I. Lechones y cerdos de
engorde. En: XIV Curso de Especialización FEDNA. Madrid, España. Bridges TC, Turner LW, Gates RS, Overhults DG. 2003. Assessing the benefits of misting-
cooling systems for growing/finishing swine as affected by environment and pig placement date. Applied Engineering in Agriculture 19, 361-366.
Brooks PH, Carpenter JL, Barber J, Gill BP. 1989. Production and welfare problems
relating to the supply of water to growing finishing pigs. Pig Veterinary Journal 23, 51-66.
193
Brumm MC and Miller PS. 1996. Response of pigs to space allocation and diets varying in nutrient density. Journal of Animal Science 74, 2730-2737.
Brumm M and Heemstra J. 1999. Impact of drinker type on pig performance, water use and
manure production. Nebraska Swine Report, 49-50. Brumm MC, Dahlquist JM, Heemstra JM. 2000. Impact of feeders and drinker devices on
pig performance, water use, and manure volume. Journal of Swine Health and Production 8, 51-57.
Canibe N and Jensen BB. 2003. Fermented and non-fermented liquid feed to growing pigs -
effect on aspects of gastrointestinal ecology and on growth performance. Journal of Animal Science 81, 2019-2031.
Carroll C. 2003. The importance of Water. In: Proceedings of the Pig Farmers Conference,
Dublin, Ireland. Casal J, De Manuel A, Mateu E, Martín M. 2007. Biosecurity measures on swine farms in
Spain: perceptions by farmers and their relationship to current on-farm measures. Preventive Veterinary Medicine 82, 138-150.
Choi HL, Song JI, Lee JH, Albright LD. 2010. Comparison of natural and forced
ventilation systems in nursery pig houses. Applied Engineering in Agriculture 26, 1023-1033.
Cisneros F, Ellis M, McKeith FK, McCaw J, Fernando RL. 1996. Influence of slaughter
weight on growth and carcass characteristics, commercial cutting and curing yields, and meat quality of barrows and gilts from two genotypes. Journal of Animal Science 74, 925-933.
Ciutad JM. 1994. Control ambiental en explotaciones porcinas. Policopiado, 23 p. Clermont R and Desilets A. 1981. Epizootiological aspects of porcine respiratory diseases
which were encountered in Quebec from September 1980 until February 1981. Canadian Veterinary Journal 23, 179-182.
Cline TR and Richert BT. 2001. Feeding Growing finishing pigs. In: Swine Nutrition (eds.
Lewis AJ and Southern LL) 2nd ed., pp. 717-724, CRC Press, Boca Raton, USA. Coffey RD. 2008. Tools to cope with current economics. In: Proceedings of the Swine
nutrition conference. Indianapolis, USA. Copas JB. 1983. Regression, prediction and Shrinkage. Journal of the Royal Statistical
Society B 45, 311-354.
194
Corino C, Rossi R, Pastorelli G. 2003. Different types of flooring and space allowance in heavy pigs: effects on growth performances. Italian Journal of Animal Science 2 (Suppl. 1), 388-390.
Correa JA, Faucitano L, Laforest JP, Rivest J, Marcoux M, Gariépy C. 2006. Effects of
slaughter weight on carcass composition and meat quality in pigs of two different growth rates. Meat Science 72, 91-99.
DAAM. 2012. Departamento de agricultura, ganadería, pesca, alimentación y medio natural. Disponible en http://www20.gencat.cat/portal/site/DAR.
De Greef KH and Verstegen MWA. 1993. Partitioning of protein and lipid deposition in the
body of growing pigs. Livestock Production Science 35, 317-328. De Lange CFM, Birkett SH, Morel PCH. 2001. Protein, fat and bone tissue growth in
swine. In: Swine Nutrition (eds. Lewis AJ and Southern LL) 2nd ed., pp. 65-84, CRC Press, Boca Raton, USA.
Dent JB, Edwards Jones G, McGregor MJ. 1995. Simulation of ecological, social and
economic factors in agricultural systems. Agricultural Systems 49, 337-351. Diestre A, Oliver MA, Gispert M, Arpa I, Arnau J. 1990. Consumer responses 381 to fresh
meat and meat products from barrows and boars with different levels of boar 382 taint. Animal Production, 50, 519-530.
Dinand Ekkel ED, Spoolder HAM, Hulsegge I, Hopster H. 2003. Lying characteristics as
determinants for space requirements in pigs. Applied Animal Behaviour Science 80, 19-30.
Dionissopoulos L. 1997. Immune system stimulation and growth performance in swine.
PhD thesis. University of Guelph. Guelph, Canada. Dunshea FR, Colantoni C, Howard K, McCauley I, Jackson P, Long KA, Lopaticki S,
Nugent EA, Simons JA, Walker J, Hennessy DP. 2001. Vaccination of boars with a GnRH vaccine (Improvac) eliminates boar taint and increases growth performance. Journal of Animal Science 79, 2524-2535.
Edwards DB, Tempelman RJ, Bates RO. 2006. Evaluation of Duroc- vs. Pietrain-sired pigs
for growth and composition. Journal of Animal Science 84, 266-275. EFSA. 2006. European Food Safety Authority. In: Scientific opinion of the panel on animal
health and welfare on a request from commission on the risks associated with tail biting in pigs and possible means to reduce the need for tail docking considering the different housing and husbandry systems. The EFSA Journal 611, 1-13.
Fablet C, Dorenlor V, Eono F, Eveno E, Jolly JP, Portier F, Bidan F, Madec F, Rose N.
2012. Noninfectious factors associated with pneumonia and pleuritis in slaughtered pigs from 143 farrow-to-finish pig farms. Preventive Veterinary Medicine 104, 271-280.
195
Fagundes ACA, Silva RG, Gomes JDF, Souza LWO, Fukushima RS. 2009. Influence of environmental temperature, dietary energy level and sex on performance and carcass characteristics of pigs. Brazilian Journal of Veterinary Research and Animal Science 46, 32-39.
Farzan A, Friendship RM, Dewey CE, Warriner K, Poppe C, Klotins K. 2006. Prevalence
of Salmonella spp. on Canadian pig farms using liquid or dry-feeding. Preventive Veterinary Medicine 73, 241-254.
FEDNA. 2006. Fundación Española Desarrollo Nutrición Animal. In: Necesidades
nutricionales para ganado porcino (eds. Blas C, Gasa J, Mateos GG). Fedna, Madrid, España.
FEDNA. 2010. Fundación Española Desarrollo Nutrición Animal, 2010. In: Normas
FEDNA para la Formulación de Piensos Compuestos (eds. de Blas C, Mateos GG, Rebollar PG), 3rd ed. Fedna, Madrid, España.
Fenaux M, Opriessnig T, Halbur T, Elvinger F, Meng XJ. 2004. A chimeric porcine
circovirus (PCV) with the immunogenic capsid gene of the pathogenic PCV type 2 (PCV2) cloned into the genomic backbone of the nonpathogenic PCV1 induces protective immunity against PCV2 infection in pigs. Journal of Virology 78, 6297-6303.
Forcada F. 1997. Alojamiento para ganado porcino. Mira editores. Zaragoza, España. 303
p. Fraile LJ, Crisci E, Weenberg J, Armadans M, Mendoza L, Ruiz L, Bernaus S, Montoya M.
2009. Effect of treatment with phytosterols in three herds with porcine respiratory disease complex. Journal of Swine Health and Production 17, 298-307.
France J and Dijkstra J. 2006. Scientific progress and mathematical modelling: different
approaches to modelling animal systems. In: Mechanistic Modelling in Pig and Poultry Production (eds. Gous R, Morris T, Fisher C). pp. 6-21. CAB International, Wallingford, UK.
France J and Thornley JHM. 1984. Mathematical models in agriculture: a quantitative
approach to problems in agriculture and related sciences. Butterworths. London, UK. 335 p.
Gadd J. 2005. Pig production: what the textbooks don´t tell you. Nottingham University
Press. Nottingham, UK. 263 p. Gadd J. 2007. Ventilación: cifras y datos para el veterinario. Suis, 37, 6-10. García-Feliz C, Carvajal A, Collazos JA, Rubio P. 2009. Herd-level risk factors for faecal
shedding of Salmonella enterica in Spanish fattening pigs. Preventive Veterinary Medicine 91, 130-136.
196
Garcimartín MA, Ovejero I, Vázquez Minguela J, Daza A. 2008. Effect of floor type on the growth performance and health status of growing-finishing pigs. Spanish Journal of Agricultural Research 6, 559-565.
Gardner IA, Willeberg P, Mousing J. 2002. Empirical and theoretical evidence for herd size
as a risk factor for swine diseases. Animal Health Research Reviews 3, 43-55. Garry BP, Fogarty M, Curran TP, O’Doherty JV. 2007. Effect of cereal type and exogenous
enzyme supplementation in pig diets on odour and ammonia emissions. Livestock Production Science 109, 212-215.
Gerber P, Galinari G, Silva M, Campos F, Reis A, Lobato Z. 2009. Distribution of
antibodies against porcine circovirus type-2 (PCV2) in single site and multi-site farrow-to-finish farms in Brazil. Research in Veterinary Science 87, 488-491.
Gibon A, Sibbald AR, Thomas C. 1999. Improved sustainability in livestock systems, a
challenge for animal production science – Introduction. Livestock Production Science 61, 107-110.
Giersing M and Andersson A. 1998. How does former acquaintance affect aggressive
behaviour in repeatedly mixed male and female pigs? Applied Animal Behavior Science 59, 297-306.
Gillespie J, Opriessnig T, Meng XJ, Pelzer K, Buechner-Maxwell V. 2009. Porcine
circovirus type 2 and porcine circovirus-associated disease. Journal of Veterinary Intern Medicine 23, 1151-1163.
Gispert M, Valero A, Oliver MA, Diestre A. 1997. Problemas asociados a la falta de grasa
en canales porcinas. Eurocarne 61, 27-32. Gispert M, Font i Furnols GM, Velarde A, Diestre A, Carrión D, Sosnicki AA, Plastow GS.
2007. Relationships between carcass quality parameters and genetic types. Meat Science 77, 397-404.
Gonyou HW and Stricklin WR. 1998. Effects of floor area allowance and group size on the
productivity of growing/finishing. Journal of Animal Science 76, 1326-1330. Gonyou HW, Lemay SP, Zhang Y. 2000. Effects of environmental on production and
disease. In: Diseases of Swine (eds. Straw BE, D'Allaire S, Mengenling WL, Taylor DJ), 8th ed., pp. 829-836, Iowa State University Press, Ames, USA.
Gonyou HW and Lou Z. 2000. Effects of eating space and availability of water in feeders
on productivity and eating behavior of grower/finisher pigs. Journal of Animal Science 78, 865-870.
Goodwin RFW. 1985. Apparent reinfection of enzootic-pneumonia free pig herds: search
for possible causes. Veterinary Record 116, 690-694.
197
Guingand N, Quiniou N, Courboulay V. 2010. Emissions comparées d’ammoniac et de gaz à effet de serre par des porcs charcutiers élevés au froid sur caillebotis partiel ou à la thermoneutralité sur caillebotis intégral. Journées de la Recherche Porcine 277-283.
Hacker RR, Ogilvie JR, Morrison WD, Kains F. 1994. Factors affecting excretory behavior
of pigs. Journal of Animal Science 72, 1455-1460. Hadina S, Vucemilo M, Pavicic Z, Tofant A, Matkovic K. 2003. Effect of microclimate on
air quality in intensive pig production. Stoaar 57, 91-99. Hamilton DN, Ellis M, Wolter BF, Schinckel AP, Wilson ER. 2003. The growth
performance of the progeny of two swine sire lines reared under different floor space allowances. Journal of Animal Science 81, 1126-1135.
Han IK, Kim JH, Chu KS, Xuan ZN, Sohn KS, Kim MK. 1998. Effect of phase-feeding on
the growth performance and nutrient utilization in finishing pigs. Journal of Animal Science 11, 559-565.
Han IK, Lee JH, Kim JH, Kim YG, Kim JD, Paik IK. 2000. Application of phase feeding in
swine production. Journal of Applied animal Research 17, 27-56. Harris DL. 1988. Alternative approaches to eliminating diseases and improving
performance of pigs. Veterinary Record 123, 422-423. Harris DL and Alexander TJ. 1999. Methods of disease control. In: Diseases of Swine. (eds.
Straw BE, D’Allaire S, Mengling WL, Taylor DJ) 8th ed., pp. 1077-1110, Iowa State University Press, Ames, USA.
Hartog L and Smits C. 2005. Estrategias de alimentación y manejo para alcanzar la
uniformidad y calidad deseadas en porcino. En: XXI Curso de especialización FEDNA. Madrid, España.
Henry Y, Seve B, Mounier A, Ganier P. 1996. Growth performance and brain
neurotransmitters in pigs as affected by tryptophan, protein, and sex. Journal of Animal Science 74, 2700-2710.
Henry SC and Tokach LM. 2006. Porcine circovirus-associated disease in Kansas. In:
Proceedings of the AD Leman Swine Conference, pp. 110-111, Saint Paul, USA. Hill GM, Baido SK, Cromwell GL, Mahan DC, Nelssen JL, Stein HH. 2007. Evaluation of
sex and lysine during the nursery period. Journal of Animal Science 85, 1453-1458. Holden P. 1991. Swine costs and production. Agri-practice 12, 46-48. Honeyman MS. 1996. Sustainability issues of U.S. swine production. Journal of Animal
Science 74, 1410-1417.
198
Hugo A, Ostho G, Jooste P. 1999. Effect of slaughter weight on the intramuscular fat composition of pigs. In: 45th international congress of meat science and technology, pp. 496, Yokohama, Japan.
Hurnik D, Dohoo IR, Bate LA. 1994. Types of farm management as risk factors for swine
respiratory disease. Preventive Veterinary Medicine 20, 147-157. Huynh TTT, Aarnink AJA, Verstegen MWA, Gerrits WJJ, Heetkamp MJW, Kemp B,
Canh TT. 2005. Effects of increasing temperatures on physiological changes in pigs at different relative. Journal of Animal Science 83, 1385-1396.
Hyun Y, Ellis M, McKeith FK, Wilson ER. 1997. Feed intake pattern of group-housed
growing-finishing pigs monitored using a computerized feed intake recording system. Journal of Animal Science 75, 1443-1451.
Hyun Y, Ellis M, Curtis SE, Johnson RW. 1998a. Growth performance of pigs subjected to
multiple concurrent environmental stressors. Journal of Animal Science 76, 721-727. Hyun Y, Ellis M, Johnson RW. 1998b. Effects of feeder type, space allowance, and mixing
on the growth performance and feed intake pattern of growing pigs. Journal of Animal Science 76, 2771-2778.
Jacela JY, Dritz SS, DeRouchey JM, Tokach MD, Goodband RD, Nelssen JL. 2011. Field
evaluation of the effects of a porcine circovirus type 2 vaccine on finishing pig growth performance, carcass characteristics, and mortality rate in a herd with a history of porcine circovirus-associated disease. Journal of Swine Health and Production 19, 10-18.
Jensen BB and Mikkelsen LL. 1998. Feeding liquid diets to pigs. In: Recent Advances in
Animal Nutrition. (eds. Garnsworthy PC and Wiseman J), pp. 107-126 Nottingham University Press, Nottingham, U.K.
Keessen EC, van den Berkt AJ, Haasjes NH, Hermanus C, Kuijper EJ, Lipman LJA. 2011.
The relation between farm specific factors and prevalence of Clostridium difficile in slaughter pigs. Veterinary Microbiology 154, 130-134.
Kemme PA, Radcliffe JS, Jongbloed AW, Mroz Z. 1997. Factors affecting phosphorus and
calcium digestibility in diets for growing-finishing. Journal of Animal Science 75, 2139-2146.
Kerr CA, Giles LR, Jones MR, Reverter A. 2005. Effects of grouping unfamiliar cohorts,
high ambient temperature and stocking density on live performance of growing pigs. Journal of Animal Science 83, 908-915.
Kim IH, Rantanen MM, Hancock JD, Goodband RD, Nelssen JL, Tokach MD, Hines RH.
2000. Feeder design, pelleting and season affect growth performance and water use in finishing pigs. Korean Journal of Animal Science 42, 827-834.
199
Koketsu Y. 2007. Mortality trends and comparisons between mortality risk and mortality rate of fattening pig operations in farrow-to-finish herds. Journal of Veterinary Epidemiology 11, 90-95.
Krone RM. 1980. Systems analysis and policy sciences: theory and practice. John Wiley &
Sons, Inc. NewYork, USA. 216 p. Kyriazakis I and Savory J. 1997. Hunger and thirst. In: Animal welfare (eds. Appleby MC
and Hughes BO), pp. 49-62. CAB International, Wallingford, UK. Larriestra AJ, Maes DG, Deen J, Morrison RB. 2005. Mixed models applied to the study of
variation of grower-finisher mortality and culling rates of a large swine production system. Canadian Journal of Veterinary Research 69, 26-31.
Latorre MA, Medel P, Fuentetaja A, Lazaro R, Mateos GG. 2003. Effect of gender,
terminal sire and age at slaughter on performance, carcass characteristics and meat quality of heavy pigs. Animal Science 77, 33-45.
Latorre MA, Lázaro R, Valencia DG, Medel P, Mateos GG. 2004. The effects of gender
and slaughter weight on the growth performance, carcass traits, and meat quality characteristics of heavy pigs. Journal of Animal Science 82, 526-533.
Latorre MA, Iguácel F, Sanjoaquín L, Revilla R. 2009. Effect of sire breed on carcass
characteristics and meat and fat quality of heavy pigs reared outdoor and intended for dry cured meat production. Animal 3, 461-467.
Lawhorn B.1998. Swine pneumonia. Texas Agricultural Extension Service. Publication L-
5203. Lawrence J. 1996. Economic evaluation of new technologies for pork producers: examples
of all in-all out and segregated early weaning. Journal of Swine Health and Production 4, 175-180.
Le Bellego L, van Milgen J, Noblet J. 2002. Effect of high temperature and low-protein
diets on the performance of growing-finishing pigs. Journal of Animal Science 80, 691-701.
Lee P, Kay RM, Cullen A, Fullarton P, Jagger S. 1993. Dietary manipulation to reduce
nitrogen excretion by pigs and its effect on performance. European Association of Animal Production 69, 8-11.
Leek ABG. 1999. The lysine:energy requirement of the growing and finishing pig: the
effect of feeding strategy on growth performance and carcass characteristics. MSc Thesis, University College Dublin, Dublin, Ireland.
200
Leek ABG, Sweeney BT, Duffy P, Beattie VE, O’Doherty JV. 2004. The effect of stocking density and social regrouping stressors on growth performance, carcass characteristics, nutrient digestibility and physiological stress responses in pigs. Animal Science 79, 109-119.
Lenis NP. 1989. Lower nitrogen excretion in pig husbandry by feeding: current and future
possibilities. Netherlands Journal of Agricultural Science 37, 61-70. Lizardo R. 2004. Alimentación líquida para el ganado porcino. Suis 12, 12-31. López PL. 2001. Evaluación de los enfoques de funciones generalizadas de producción,
balance nutrimental y balance nutrimental modificado, para la generación de dosis óptimas de fertilización para cultivos. Tesis de Maestro en Ciencias. Colegio de Postgraduados, Montecillo, México.
Losinger WC. 1998. Feed-conversion ratio of finisher pigs in the USA. Preventive
Veterinary Medicine 36, 287-305. Losinger WC, Bush EJ, Smith MA, Corso BA. 1998. Mortality attributed to respiratory
problems among finisher pigs in the United States. Preventive Veterinary Medicine 37, 21-31.
Maes D, Deluyker H, Verdonck M, Castryck F, Miry C, Vrijens B, De Kruif A. 2000. Herd
factors associated with the seroprevalences of four major respiratory pathogens in slaughter pigs from farrow-to-finish pig herds. Veterinary Research 31, 313-327.
Maes D, Larriestra A, Deen J, Morrison RB. 2001. A retrospective study of mortality in
grow-finishing pigs of a multi-site production system. Journal of Swine Health and Production 9, 267-274.
Maes D, Duchateau L, Larriestra AJ, Deen J, Morrison RB. 2004. Risk factors for mortality
in grow-finishing pigs in Belgium. Journal of Veterinary Medicine Series B Infectious, Diseases and Veterinary Public Health 51, 321-326.
Maes D, Segales J, Meyns T, Sibila M, Pieters M, Haesebrouck F. 2008. Control of
Mycoplasma hyopneumoniae infections in pigs. Veterinary Microbiology 126, 297-309. Magowan E, McCanna MEE, O’Connell NE. 2008. The effect of feeder type and change of
feeder type on growing and finishing pig performance and behavior. Animal Feed Science and Technology 142, 133-143.
MAGRAMA. 2011. El sector de la carne de cerdo en cifras, principales indicadores
económicos en 2010. Ministerio de Medio Ambiente, y Medio Rural y Marino, Madrid. Disponible en http://www.eurocarne.com/informes/pdf/sector-porcino-2010.pdf.
201
MAGRAMA. 2012. El sector de la carne de cerdo en cifras, Principales indicadores económicos en 2011. Ministerio de Medio Ambiente, y Medio Rural y Marino, Madrid. Disponible en http://www.magrama.gob.es/app/vocwai/documentos/Adjuntos_AreaPublica/INDICADORES%20ECON%C3%93MICOS%20CARNE%20%20CERDO%202011.pdf.
Malczewski J. 1999. GIS and multi-criteria decision analysis. John Wiley & Sons, Inc.,
New York, USA, 408 p. Martínez J, Jaro PJ, Aduriz G, Gómez EA, Peris B, Corpa JM. 2007. Carcass condemnation
causes of growth retarded pigs at slaughter. The Veterinary Journal 174, 160-164. Martinez J, Peris B, Gomez EA, Corpa JM. 2009. The relationship between infectious and
non infectious herd factors with pneumonia at slaughter and productive parameters in fattening pigs. The Veterinary Journal 179, 240-246.
Martínez-López B, Carpenter TE, Sánchez-Vizcaíno JM. 2009. Risk assessment and cost-
effectiveness analysis of Aujeszky’s disease virus introduction through breeding and fattening pig movements into Spain. Preventive Veterinary Medicine 90, 10-16.
McCann MEE, McEvoy JDG, McCracken KJ. 2006. Factors affecting digestibility of
barley-based diets for growing pigs. Livestock Production Science 102, 51-59. McCauley I, Watt M, Suster D, Kerton DJ, Oliver WT, Harrell RJ, Dunshea FR. 2003. A
GnRF vaccine (Improvac®) and porcine somatotropin (Reporcin®) have synergistic effects upon growth performance in both boars and gilts. Australian Journal of Agricultural Research 54, 11-20.
McGlone JJ and Newby BE. 1994. Space requirements for finishing pigs in confinement:
behavior and performance while group size and space vary. Applied Animal Behaviour Science 39, 331-338.
Medel P y Fuentetaja A. 2001. Efecto del perfil genético, del sexo, del peso al sacrificio y
de la alimentación sobre la productividad y la calidad de la canal y de la carne de cerdos grasos. Factores que afectan en la producción de cerdo graso. XVI Curso de Especialización FEDNA. Madrid, España.
Mejia W, Casal J, Zapata D, Sanchez GJ, Martin M, Mateu E. 2006. Epidemiology of
Salmonella infections in pig units and antimicrobial susceptibility profiles of the strains of Salmonella species isolated. Veterinary Record 159, 271-276.
Menguy Y. 1981. La maitrise de l' ambiance conditionne les performances. L´Elevage
porcin 102, 14-19. Meunier-Salaun MC, Vantrimponte MN, Raab A, Dantzer R. 1987. Effect of floor area
restriction upon performance, behavior and physiology of growing-finishing pigs. Journal of Animal Science 64, 1371-1377.
202
Michalska G, Nowachowicz J, Chojnacki Z, Bucek T, Wasilewski PD. 2004. Analysis of the results of performance tested young crossbred boars. Animal Science (Suppl. 2) 49-53(Abstr.).
Miller GY, Algozin KA, McNamara P, Bush EJ. 2003. Productivity and economic impacts
of feed grade antibiotic use in pork production. Journal of Agricultural & Applied Economics 35, 467-482.
Missotten JAM, Michiels J, Ovyna A, De Smeta S, Dierick NA. 2010. Fermented liquid
feed for pigs. Archives of Animal Nutrition 64, 437-466. Mößeler A, Köttendorf S, Liesner VG, Kamphues J. 2010. Impact of diets' physical form
(particle size; meal/pelleted) on the stomach content (dry matter content, pH, chloride concentration) of pigs. Livestock Production Science 134, 146-148.
Morales J, Gispert M, Hortos M, Perez J, Suarez P, Piñeiro C. 2010. Evaluation of
production performance and carcass quality characteristics of boars immunised against gonadotropin-releasing hormone (GnRH) compared with physically castrated male, entire male and female pigs. Spanish Journal of Agricultural Research 8, 599-606.
Morris TR. 2006. An introduction to modelling in the animal sciences. In: Mechanistic
Modelling in pig and poultry production (eds. Gous R, Morris T, Fisher C). pp. 1-5. CAB International, Wallingford, UK.
Morrison RS, Hemsworth PH, Cronin GM, Campbell RG. 2003. The social and feeding
behaviour of growing pigs in deep-litter, large group housing system. Applied Animal Behaviour Science 82, 173-188.
Moughan PJ, Smith W, Pearson G. 1987. Description and validation of a model simulating
growth in the pig (20–90 kg liveweight). New Zealand Journal of Agricultural Research 30, 481-490.
Myers AJ, Goodband RD, Tokach MD, Dritz SS, Bergstrom JR, DeRouchey JM, Nelssen
JL. 2010. The effects of feeder-trough space and gap setting on growth performance of finishing pigs. Journal of Animal Science 93(Suppl. 1), 562-563(Abstr.).
NAHMS. 1995. National Animal Health Monitoring System. U.S. grower/finisher health
and management practices. Available in http://www.aphis.usda.gov/animal_health/nahms/swine/downloads/swine95/Swine95_dr_PartII.pdf. Accessed on June 22nd 2012.
Navarotto P, Fabbri C, Guarino M, Bonazzi G. 2002. Pavimenti a prova di ammoniaca.
Rivista di Suinicoltura 43, 21-28. Nielsen BL. 1995. Feeding behaviour of growing pigs: effects of the social and physical
environment. PhD Thesis, The University of Edinburgh, Edinburgh, UK.
203
Niemi JK, Sevón-Aimonen ML, Pietola K, Stalder KJ. 2010. The value of precision feeding technologies for grow–finish swine. Livestock Production Science 129, 13-23.
Noblet J, Le Bellego L, van Milgen J, Dubois S. 2001. Effects of reduced dietary protein
level and fat addition on heat production and N and energy balance in growing pigs. Animal Research 50, 227-238.
Nollet N, Maes D, De Zutter L, Duchateau L, Houf K, Huysmans K, Imberechts H, Geers
R, de Kruif A, van Hoof J. 2004. Risk factors for the herd-level bacteriologic prevalence of Salmonella in Belgian slaughter pigs. Preventive Veterinary Medicine 65, 63-75.
NRC. 1998. Nutrient Requirements for Swine. 10th ed. National Academies Press,
Washington, DC. NRC. 2012. Nutrient Requirements for Swine. 11th ed. National Academies Press,
Washington, DC. Nyachoti CM, Patience JF, Seddon IR. 2005. Effect of water source (ground versus
surface) and treatment on nursery pig performance. Canadian Journal of Animal Science 85, 405-407.
Observatori del porcí. 2012. Informe del sector porcino. Ejercicio 2011. Departamento de
Agricultura, Ganadería, Pesca, Alimentación y Medio Natural, Barcelona. Disponible en http://www20.gencat.cat/docs/DAR/DE_Departament/DE02_Estadistiques_observatoris/08_Observatoris_sectorials/04_Observatori_porci/Informes_anuals/Fitxers_estatics/OP_Inf_Anual_2011_cast.pdf. Accesado en 10 de agosto de 2012.
O’Connell NE, Beattie VE, Weatherup RN. 2002. Influence of feeder type on the
performance and behaviour of weaned pigs. Livestock Production Science 74, 13-17. O’Connell MK, Lynch PB, O’Doherty JV. 2005. Determination of the optimum dietary
lysine concentration for growing pigs housed in pairs and in groups. Animal Science. 81, 249-255.
Oliveira J, Guitian FJ, Yus E. 2007. Effect of introducing piglets from farrow-to-finish
breeding farms into all-in all-out fattening batches in Spain on productive parameters and economic profit. Preventive Veterinary Medicine 80, 243-256.
Oliveira J, Yusa E, Guitián FJ. 2009. Effects of management, environmental and temporal
factors on mortality and feed consumption in integrated swine fattening farms. Livestock Production Science 123, 221-229.
Palomo YA. 2007. Alimentación líquida aplicada en ganado porcino. Mundo Ganadero
197, 40-42.
204
Patterson DC. 1991. A comparison of offering meal and pellets to finishing pigs from self-feed hoppers with and without built-in watering. Animal Feed Science and Technology 34, 29-36.
Patherick JC, Beatties AW, Bodero DAV. 1989. The effect of group size on the
performance of growing pigs. Animal Production 49, 497-503. Patience JF. 1989. Water quality and quantity: importance in animal and poultry
production. In: Biotechnology in the Feed Industry (ed. Lyons TP). pp. 121-138. Alltech Technical Publications, Nicholasville, USA.
Patience J and Engele K. 2005. A checklist for water use. Prairie Swine Center 7, 2. Payne HG. 1991. The evaluation of single-space and wet-and-dry feeders for the Australian
environment. In: Manipulating Pig Production III (ed. Batterham ES). pp. 158-161. Australasian Pig Science Association, Albury, Australia.
Pedersen JS. 1990. 16 compared with 48 finishers per pen. Landsudvalget for Svin. Danske
Slagterier, Report n. 182. Penny PC. 2000. Effect of modifications to pen design formation on the performance of
weaned pigs housed in large group systems. Journal of Animal Science 78(Suppl. 1), 238 (abstr).
Piao JR. Tian JZ, Kim BG, Choi YI, Kim YY, Han IK. 2004. Effect of sex and market
weight on performance, carcass characteristics and pork quality of market hogs. Asian Australasian Journal of Animal Sciences 17, 1452-1458.
PIGCAS. 2008. Report on practice of castration. Deliverable D2.4. In: Project no. 043969:
Attitudes, practices and state of the art regarding piglet castration in Europe. Final draft, 5 March 2008.
Plastow GS, Carrión D, Gil M, Garcí-Regueiro JA, Font M, Furnols I, Gispert M, Oliver
MA, Velarde A, Guárdia MD, Hortós M, Rius MA, Sárraga C, Díaz I, Valero A, Sosnicki A, Klont R, Dornan S, Wilkinson JM, Evans G, Sargent C, Davey G, Connolly D, Houeix B, Maltin CM, Hayes HE, Anandavijayan V, Foury A, Geverink N, Cairns M, Tilley RE, Morméde P, Blott SC. 2005. Quality pork genes and meat production-A review. Meat Science 70, 409-421.
Pomar C, Hauschild L, Zhang G, Pomar J, Lovatto PA. 2009. Applying precision feeding
techniques in growing-finishing pig operations. Brazilian Journal of Animal Science 38, 226-237.
Potter ML, Dritz SS, Tokash MD, DeRouchey JM, Goodband RD, Neelson JL. 2010.
Effects of meal or pellet diet form in finishing pig performance and carcass characteristics. In: KSU Swine Day 2010. pp. 245-251. Kansas State University. Manhattan, USA.
205
Quémeré P, Castaing J, Chastanet JP, Latimier P, Saulnier J, Willequet F, Grosjean F. 1988. Influence de la forme de presentation de l'aliment aux pores charcutiers: 1– Comparación farine sèche, soupe, granulé; 2– Incidences techniques et économiques. Journées Recherche Porcine France 20, 351-360.
Quiles A y Hervia ML. 2008. Factores que influyen en el consumo de piensos en los
cerdos. Producción Animal 248, 6-19. Quiniou N and Noblet J. 1999. Influence of high ambient temperatures on performance of
multiparous lactating sows. Journal of Animal Science 77, 2124-2134. Quiniou N, Dubois S, Cozler YL, Bernier JF, Noblet J. 1999. Effect of growth potential
(body weight and breed/castration combination) on the feeding behaviour of individually kept growing pigs. Livestock Production Science 61, 13-22.
Rantanen M, Hancock J, Hines R, Kim I. 1995. Effects of feeder design and pelleting affect
on growth performance and water use in finishing pigs. In: KSU Swine Day 1995. pp.119-120. Kansas State University. Manhattan, USA.
Rauw WM, Soler J, Tibau J, Reixach J, Gomez Raya L. 2006. Feeding time and feeding
rate and its relationship with feed intake, feed efficiency, growth rate, and rate of fat deposition in growing Duroc barrows. Journal of Animal Science 84, 3404-3409.
Resano H, Sanjuan AI, Albisu LM. 2007. Consumer’s acceptability of cured ham in Spain
and the influence of information. Food Quality and Preference 18, 1064-1076. Rodríguez–Estévez V, Valerio D, Perea JM, García A. 2007. Consideraciones prácticas de
la alimentación líquida en porcino. Mundo Ganadero 197, 44-49. Rodriguez Pérez MR. 2004. Desarrollo y validación de modelos matemáticos para la
predicción de vida comercial de productos cárnicos. Tesis doctoral. Universidad de Córdoba. Córdoba, España.
Saha CK, Zhang GQ, Kai P, Bjerg B. 2010. Effects of a partial pit ventilation system on
indoor air quality and ammonia emission from a fattening pig room. Biosystems Engineering 105, 279-287.
Santomá G. 1994. Programas de alimentación en broilers y “pollo alternativo¨. En: X Curso
de especializacion FEDNA. Madrid, España. Santomá G y Pontes M. 2004. Interaccion nutricion-manejo en explotaciones para aves y
porcino. 1. Introducción y factores ambientales. En: Curso de especializacion FEDNA. Barcelona, España.
Schell TC and van Heugten E. 1998. The effect of pellet quality on growth performance of
grower pigs. Journal of Animal Science 76(Suppl. 1), 185(abstr.).
206
Schoder G, Maderbacher R, Wagner G, Baumgartner W. 1993. Causes of losses in a pig fattening facility. Dtsch Tierarztl Wochenschr 100, 428-432.
Scholten RHJ, Hoofs AIJ, Beurskens-Voermans MP. 1997. Bijproductenrantsoen voor
vleesvarkens: invloed van voerniveau en aminozurengehalte. In: Proefverslag P1.188. pp. 1-12. Praktijknoderzoek Varkenshouderij. Rosmalen, Nederlands.
Scholten RHJ, Schraum JW, van der Peet-Schwering CMC, den Hartog LA, Vesseur PC,
van Leeuwen P, Verstegen MWA. 2000. The dose-response effect of fermented liquid wheat on growth performance and gastrointestinal health of weaned piglets. In: Proceedings of the 8th Symposium of Digestive Physiology in Pigs (ed. Lindberg JE). pp. 59. Uppsala, Sweden.
Scholten RH, van der Peet-Schwering CM, den Hartog LA, Balk M, Schrama JW,
Verstegen MW. 2002. Fermented wheat in liquid diets: effects on gastrointestinal characteristics in weanling piglets. Journal of Animal Science 80, 1179-1186.
Segales J, Urniza A, Alegre A, Bru T, Crisci E, Nofrarıas M, López-Soria S, Balasch M,
Sibila M, Xu Z, Chu H-J, Fraile L, Plana-Duran J. 2009. A genetically engineered chimeric vaccine against porcine circovirus type 2 (PCV2) improves clinical, pathological and virological outcomes in postweaning multisystemic wasting syndrome affected farms. Vaccine 27, 7313-7321.
Shields RGJr, Mahan DC, Graham PL. 1983. Changes in swine body composition from
birth to 145 kg. Journal of Animal Science 57, 43-54. Sibila M, Calsamiglia M, Segalés J, Blanchard P, Badiella L, Le Dimna M, Jestin A,
Domingo M. 2004. Use of a polymerase chain reaction assay and an ELISA to monitor porcine circovirus type 2 infection in pigs from farms with and without postweaning multisystemic wasting syndrome. American Journal of Veterinary Research 65, 88-92.
Sibila M, Nofrarıas M, Lopez-Soria S, Segales J, Riera P, Llopart D, Calsamiglia M. 2007.
Exploratory field study on Mycoplasma hyopneumoniae infection in suckling pigs. Veterinary Microbiology 121, 352-356.
SIP Consultors. 2010. Costes de produccion y resultado económico comparados entre
España y Europa. Disponible en http://www.sipconsultors.com/images/stories/articles/IVJornadaSIP/informeinterpig2010.pdf.
SIP Consultors. 2011a. Coste de producción del cerdo en enero 2011. Disponible en
http://www.sipconsultors.com/images/stories/articles/01-11/precio-coste1-11.pdf. SIP Consultors. 2011b. Informe consolidado 2011. Disponible en
http://www.sipconsultors.com/images/stories/articles/Cons2011/cost2011.pdf.
207
SIP Consultors. 2011c. Evolución en los últimos años. Disponible en http://www.sipconsultors.com/images/stories/articles/IVJornadaSIP/evolucionultimosaos.pdf.
SIP Consultors. 2012. Informe consolidado 2012. Disponible en
http://www.sipconsultors.com/images/stories/articles/Cons/2012/costees2012s.pdf. Strathe AB, Danfar A, Sorensen H, Kebreab E. 2010. A multilevel nonlinear mixed-effects
approach to model growth in pigs. Journal of Animal Science 88, 638-649. Street BR and Gonyou HW. 2008. Effects of housing finishing pigs in two group sizes and
at two floor space allocations on production, health, behavior and physiological variables. Journal of Animal Science 86, 982-991.
Sun G, Guo HQ, Peterson J, Predicala B, Lague C. 2008. Diurnal odor, ammonia, hydrogen
sulfide, and carbon dioxide emission profiles of confined swine grower/finisher rooms. Journal of the Air & Waste Management Association 58, 1434-1448.
Thacker E. 2006. Mycoplasmal diseases. In: Diseases of Swine (eds. Straw BE,
Zimmerman JJ, D’Allaire S, Taylor DJ). 9th ed. pp: 701-717. Blacwell Publishing Ltd., Oxford, UK.
Tibau J, Puigvert X, Soler J, Trilla N, Diestre A, Gispert M, Fernandez J, Manteca X. 1997.
Incidencia de factores gene´ ticos y de comportamiento en la eficiencia del crecimiento, la composición y la calidad de la canal y de la carne en distintas razas porcinas. Anaporc 171, 74-91.
Tsaras LN, Kyriazakis I, Emmans GC. 1998. The prediction of voluntary food intake of pig
on poor quality foods. Animal Science 66, 713-723. Turkstra JA, Zeng XY, van Diepen JTM, Jongbloed AW, Oonk HB, van de Wiel DFM,
Meloen RH. 2002. Performance of male pigs immunized against GnRH is related to the time of onset of biological response. Journal of Animal Science 80, 2953-2959.
Turner SP and Edwards SA. 2000. Housing in large groups reduces aggressiveness of
growing pigs. In: Proceedings of the 51st Annual Meeting of the European Association for Animal Production, The Hague, The Netherlands.
Turner SP, Ewen M, Rooke JA, Edwards SA. 2000. The effect of space allowance on
performance, aggression and immune competence of growing pigs housed on straw deep-litter at different group sizes. Livestock Production Science 66, 47-55.
Turner SP, Horgan GW, Edwards SA. 2003. Assessment of sub-grouping behaviour in pigs
housed at different group sizes. Applied Animal Behaviour Science 83, 291-302.
208
USDA. 2003. Economic and Structural Relationships in U.S. Hog Production. United States Department of Agriculture. Available in http://www.ers.usda.gov/publications/aer-agricultural-economic-report/aer818.aspx.
van Heugten E, Schell TC, Risley CR, Valancius JA. 1997. Effects of pelleting and fat
supplementation on growth performance of growing finishing pigs. Journal of Animal Science 75(Suppl.1), 194.
Vermeer HM, Kuijken N, Spoolder HAM. 2009. Motivation for additional water use of
growing-finishing pigs. Livestock Production Science 124, 112-118. Vico JP, Rol I, Garrido V, San Román B, Grilló MJ, Mainar-Jaime RC. 2011.
Salmonellosis in finishing pigs in Spain: prevalence, antimicrobial agent susceptibilities, and risk factor analysis. Journal of Food Protection 74, 1070-1078.
Vico JP and Mainar-Jaime RC. 2012. Serological survey of Salmonella spp. infection in
finishing pigs from northeastern Spain and associated risk factors. Spanish Journal of Agricultural Research 10, 372-382.
Villalba D. 2000. Construcción y utilización de un modelo estocástico para la simulación
de estrategias de manejo invernal en rebaños de vacas nodrizas. Tesis Doctoral. Universitat de Lleida, Lleida, España.
Xavier-Philippe F, Cabaraux JF, Nicks B. 2011. Ammonia emissions from pig houses:
influencing factors and mitigation techniques. Agriculture, Ecosystems and Environment 141, 245-260.
Walker N. 1990. A comparison of single- and multi-space feeders for growing pigs fed
non-pelleted diets ad libitum. Animal Feed Science and Technology 30, 169-173. Wathes CM. 1994. Air and surface hygiene. In: Livestock housing (eds. Wathes CM and
Charles DR). pp. 123-148, CAB International, Wallingford, UK. Wellock IJ, Emmans GC, Kyriazakis I. 2004. Describing and predicting potential growth in
the pig. Animal Science 78, 379-388. White HM, Richert BT, Schinckel AP, Burgess JR, Donkin SS, Latour MA. 2008. Effects
of temperature stress on growth performance and bacon quality in grow-finish pigs housed at two densities. Journal of Animal Science 86, 1789-1798.
Whiting RC. 1997. Microbial database building: what have we learned? Food Technology
51, 82-87. Whittemore CT. 1983. Development of recommended energy and protein allowances for
growing pigs. Agricultural systems 11, 159-186.
209
Whittemore CT. 1986. An approach to pig growth modeling. Journal of Animal Science 63, 615-621.
Wierup M. 2001. The Swedish experience of the 1986 year ban of antimicrobial growth
promoters, with special reference to animal health, disease prevention, productivity, and usage of antimicrobials. Microbial Drug Resistance 7, 183-190.
Wise T, Klindt J, Lunstra DD, Buonomo FC, Yen JT. 1996. Thymic, gonadal, and
endocrine relationships in gilts and boars administered porcine somatotropin. Journal of Animal Science 74, 2992-3000.
Wolter BF and Ellis M. 2002. Impact of large group sizes on growth performance in pigs in
the USA. Pig News and Information 23, 17N-20N. Wolter BF, Ellis M, Corrigan BP, DeDecker JM, Curtis SE, Parr EN, Webel DM. 2003.
Effect of restricted postweaning growth resulting from reduced floor and feeder-trough space on pig growth performance to slaughter weight in a wean-to-finish production system. Journal of Animal Science 81, 836-842.
Yang JS, Lee JH, Ko TG, Kim TB, Chae BJ, Kim YY, Han IK. 2001. Effects of wet
feeding of processed diets on performance, morphological changes in the small intestine and nutrient digestibility in weaned pigs. Asian-Australasian Journal of Animal Sciences 14, 1308-1315.
Yang JS, Jung HJ, Xuan ZN, Kim JH, Kim DS, Chae BJ, Han IK. 2002. Effects of feeding
and processing methods of diets on performance, morphological changes in the small intestine and nutrient digestibility in growing-finishing pigs. Asian-Australasian Journal of Animal Sciences 14, 1450-1459.
Yanga ST, Gardner IA, Hurd HS, Eernisse KA,Willeberg P. 1995. Management and
demographic factors associated with seropositivity to transmissible gastroenteritis virus in US swine herds, 1989–1990. Preventive Veterinary Medicine 24, 213-228.
Ye Z, Zhang G, Seo IH, Kai P, Saha CK, Wang C, Li B. 2009. Airflow characteristics at
the surface of manure in a storage pit affected by ventilation rate, floor slat opening, and headspace height. Biosystems Engineering 104, 97-105.
Yoosuk S, Ong HB, Roan SW, Morgan CA, Whittemore CT. 2011. A simulation model for
predicting the voluntary feed intake of a growing pig. Acta Agriculturae Scandinavica Section A 61, 168-186.
Young RJ and Lawrence AB. 1994. Feeding behaviour of pigs in groups monitored by a
computerized feeding system. Animal Production 58, 145-152.
210